WO2024090716A1 - 인공지능 기반의 디지털 헬스케어 장치 및 그를 위한 컴퓨터-구현 방법 - Google Patents

인공지능 기반의 디지털 헬스케어 장치 및 그를 위한 컴퓨터-구현 방법 Download PDF

Info

Publication number
WO2024090716A1
WO2024090716A1 PCT/KR2023/009934 KR2023009934W WO2024090716A1 WO 2024090716 A1 WO2024090716 A1 WO 2024090716A1 KR 2023009934 W KR2023009934 W KR 2023009934W WO 2024090716 A1 WO2024090716 A1 WO 2024090716A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
time series
patient
series data
model
Prior art date
Application number
PCT/KR2023/009934
Other languages
English (en)
French (fr)
Inventor
마보현
Original Assignee
주식회사 스타캣
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 스타캣 filed Critical 주식회사 스타캣
Publication of WO2024090716A1 publication Critical patent/WO2024090716A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords

Definitions

  • the present invention relates to an artificial intelligence-based digital healthcare device and a computer-implementation method therefor, and more specifically, to effectively collect and manage personal health-related data from user devices and to use an artificial intelligence-based model to effectively collect and manage personal health-related data. It relates to technology that supports individual health management by automatically analyzing and monitoring one's health status.
  • biometric data personal health data
  • PGHD Principal-Generated Health Data
  • PHR Personal Health Record
  • the present invention was created to solve the above problems, and is an artificial intelligence-based digital device that guides users to measure their own biosignals by setting a regular or irregular appropriate measurement cycle for each type of biosignal.
  • the purpose is to provide a healthcare device and a computer-implementation method therefor.
  • the present invention automatically collects measured values of biometric signals for each user from at least one first device, analyzes the time series of the biosignals collected through artificial intelligence-based logic, and learns the pattern, thereby detecting health abnormalities for each user.
  • the purpose is to provide an artificial intelligence-based digital healthcare device that monitors signs (potential) and a computer-implementation method for the same.
  • the present invention provides an artificial intelligence-based digital healthcare device that notifies any medical staff (e.g., hospital, attending physician) of personal health data (or analysis results thereof) of a user determined to have signs of health abnormalities, and a computer therefor -
  • medical staff e.g., hospital, attending physician
  • analysis results thereof of personal health data (or analysis results thereof) of a user determined to have signs of health abnormalities
  • the present invention collects questionnaire information through communication with a communication terminal (e.g., mobile phone) for each user in parallel with the collection process of biometric data for each user, and processes the collected questionnaire information to provide health based on time series data of biometric data.
  • a communication terminal e.g., mobile phone
  • the purpose is to provide an artificial intelligence-based digital healthcare device that is used to verify abnormal signs or modify the measurement cycle of biological signals and a computer-implementation method for the same.
  • a computer-implemented intelligent healthcare method includes the steps of registering device information of a first device for measuring the user's biosignal using the user's user authentication information, determining whether biometric data, the biometric data including a measurement value of the biosignal, has been collected from the first device within a measurement period set for the first device, and determining whether the biometric data has been collected from the first device within the measurement period.
  • the biometric information using the first device is sent to at least one of the first device and the second device - the second device is the user's communication terminal capable of communication with the intelligent healthcare device. and transmitting a measurement request to encourage the user to measure a signal.
  • Registering the device information may include issuing to the first device an access token in which the user authentication information is combined with device information of the first device.
  • the access token is used to encrypt the measurement value of the biological signal by the first device.
  • the computer-implemented intelligent healthcare method includes, upon receiving the biometric data received from the first device in an encrypted state by the access token, determining validity of the access token, determining that the access token is valid. Upon determination, decrypting the biometric data received from the first device using a decryption key corresponding to the access token and using the decrypted biometric data to create a first personal health time series data set of the user - the The first personal health time series data set may further include updating a history of changes over time in the measured values.
  • the computer-implemented intelligent healthcare method may further include modifying the measurement period set for the biosignal based on at least one of the first personal health time series data set and external environment information.
  • the computer-implemented intelligent healthcare method includes generating an artificial intelligence model for processing the first personal health time series data set, and using the artificial intelligence model to perform a process based on the first personal health time series data set. , may further include calculating an abnormality score related to the user's health condition.
  • the step of generating the artificial intelligence model includes performing a comparison between at least one normal range determined for the biological signal and at least one measurement value included in the first personal health time series data set, and generating a first information related to the biological signal.
  • the step of generating the second model involves supervised learning using the plurality of reference health time series data sets - each measurement value included in the plurality of reference health time series data sets is classified as a normal measurement value or an abnormal measurement value.
  • learning generating a first candidate model through (learning), when the ratio of abnormal measurement values of the plurality of reference health time series data sets is greater than or equal to a first reference ratio and less than a second standard ratio, of the plurality of reference health time series data sets
  • Processing the plurality of reference health time series data sets by performing at least one of down sampling for normal measurement values and up sampling for abnormal measurement values, and performing supervised learning using the plurality of processed reference health time series data sets.
  • the step of generating the third model includes generating a fourth candidate model through supervised learning using the first personal health time series data set, and generating an abnormal measurement value of the first personal health time series data set. If the ratio is greater than or equal to the third reference rate and less than the fourth reference rate, the first individual performs at least one of down-sampling for normal measurements and up-sampling for abnormal measurements of the first individual health time series data set. Processing a health time series data set and generating a fifth candidate model through supervised learning using the processed first personal health time series data set, wherein the ratio of abnormal measurements of the first personal health time series data set is the first candidate model.
  • the ratio is less than 3, generating a sixth candidate model through unsupervised learning using only normal measurements of the first personal health time series data set, the fourth candidate model using a second test data set, and the fourth candidate model using the first personal health time series data set. Evaluating the performance of each of the fifth candidate model and the sixth candidate model, and selecting one of the fourth candidate model, the fifth candidate model, and the sixth candidate model as having the highest performance as the third candidate model. It may include the step of selecting a model.
  • the step of combining the first model, the second model, and the third model includes adjusting the first weight, the second weight, and the third weight according to the number of measurements recorded in the first personal health time series data set. It may include steps.
  • the sum of the first weight, the second weight, and the third weight is 1, and whenever the number of measurements recorded in the first personal health time series data set increases by the reference number, the first weight is The weight may decrease by the first adjustment value within the range of 1, the second weight may decrease by the second adjustment value within the second range, and the third weight may increase by the third adjustment value within the third range.
  • the computer-implemented intelligent healthcare method includes a digital questionnaire to be presented to the user when it is determined that a questionnaire for the user is necessary, wherein the digital questionnaire includes a plurality of questionnaire items, each questionnaire item being multiple choice or subjective.
  • Receiving a questionnaire result for the digital questionnaire from the second device and processing the questionnaire result to set a second personal health time series data set of the user - the second personal health time series data set is at least different from the biosignal
  • a step of updating - including a history of changes over time in one health-related item - may be further included.
  • the present invention it is possible to induce a user to measure his or her biosignal by setting an appropriate measurement cycle, either regular or irregular, for each type of biosignal. Accordingly, the user's inconvenience of having to remember when and how much to measure his or her biosignals can be eliminated.
  • biometric data including measurement values of biometric signals
  • biometric data collected through artificial intelligence-based logic is collected.
  • questionnaire information is collected through communication with a communication terminal (e.g., mobile phone) for each user, and the collected questionnaire information is processed. It can be used to verify signs of health abnormalities based on time series data of biological signals or to modify the measurement cycle of biological data.
  • a communication terminal e.g., mobile phone
  • FIG. 1 is a diagram illustrating the configuration of a remote healthcare system according to the present invention.
  • FIG. 2 is a diagram illustrating the configuration of the intelligent healthcare device shown in FIG. 1.
  • FIG. 3 is a flowchart illustrating a method for registering a user device in the intelligent healthcare device shown in FIG. 1.
  • 4 to 6 are flowcharts exemplarily showing a method of collecting measured values of biological signals from a first device.
  • FIG. 7 is a flowchart illustrating a method for the intelligent healthcare device shown in FIG. 1 to collect user questionnaire information through interaction with a user device.
  • FIG. 8 is a flowchart illustrating a method of modifying the measurement cycle for each type of biological signal executed by the intelligent healthcare device shown in FIG. 1.
  • FIG. 10 is a flowchart illustrating a method for generating the second model described above with reference to FIG. 9 .
  • FIG. 11 is a flowchart illustrating a method for generating the third model described above with reference to FIG. 9 .
  • Figure 13 is a flowchart showing representative steps of a method for actively reserving a patient's visit schedule according to a second embodiment of the present invention.
  • Figure 14 is a flowchart detailing step S1340 in the method of actively reserving a patient's visit schedule according to the second embodiment of the present invention.
  • Figure 15 is a flow chart further including an additional example related to a request for measurement of personal health data after step S1360 in the method of actively reserving a patient's visit schedule according to the second embodiment of the present invention.
  • Figure 16 is a flowchart further including an additional example related to calculating treatment time after step S1360 in the method of actively reserving a patient's visit schedule according to the second embodiment of the present invention.
  • Figure 17 is a flowchart showing representative steps of a method for recommending a hospital to establish a patient-physician relationship according to the fourth embodiment of the present invention.
  • FIG. 1 is a diagram illustrating the configuration of a remote healthcare system according to the present invention
  • FIG. 2 is a diagram illustrating the configuration of the artificial intelligence-based digital healthcare device shown in FIG. 1.
  • the remote healthcare system 10 includes at least one user device 1, at least one medical personnel device 2, and an artificial intelligence-based digital healthcare device 3, hereinafter referred to as an ‘intelligent healthcare device. ') is included.
  • the intelligent healthcare device 3 may be provided in the form of an external server or platform.
  • the remote healthcare system 10 allows multiple users and multiple medical practitioners to participate as medical consumers and medical providers. For convenience of explanation, hereinafter, it will be assumed that each user and medical practitioner is a single person. .
  • the user device 1 may be divided into a first device 1a, a second device 1b, or a third device 1c.
  • the first device 1a is a measurement device (eg, point of care testing (POCT) equipment) configured to measure at least one type of biological signal and store the measured value of the biological signal.
  • Biological signals include, for example, blood pressure, blood pressure, heart rate, electrocardiogram, blood sugar, and body composition. Any user can measure two or more types of biological signals simultaneously or temporally using two or more first devices 1a.
  • Measurements of biosignals include the characteristics of the biosignals themselves (e.g., intensity) as well as the time and/or location (e.g., GPS information) at which the biosignal measurements were made. It can be included.
  • the first device 1a can transmit measured values of biometric signals for each user to the intelligent healthcare device 3 through a wired or wireless network such as the Internet.
  • the second device 1b is a communication terminal that is connected to the intelligent healthcare device 3 through a wired or wireless network such as the Internet and performs two-way communication with the intelligent healthcare device 3.
  • the second device 1b may transmit health-related data for each user in addition to biometric signals to the intelligent healthcare device 3 and receive data related to the user's health management from the intelligent healthcare device.
  • An intelligent active conversation agent may be installed in at least one of the first device 1a and the second device 1b.
  • the intelligent active conversation agent can be referred to as IPCA (Intelligent Proactive Conversational Agent), and is a chatbot that runs based on artificial intelligence to help users conveniently use health care services provided by intelligent healthcare devices (3). It's kind of like that.
  • the third device 1c is a type of user device, such as a smart watch, that has both a biosignal measurement function and a communication function with the intelligent healthcare device 3.
  • the first device 1a and the third device 1a which will be described later, are used.
  • the second device 1b may refer to the third device 1c.
  • the medical practitioner device 2 includes the attending physician terminal described later, and is connected to the intelligent healthcare device 3 through a wired or wireless network such as the Internet, and performs two-way communication with the intelligent healthcare device 3.
  • the medical practitioner device 2 can display user-specific personal health data (or analysis results thereof) provided from the intelligent healthcare device 3 on a graphical maintenance interface.
  • the medical device (2) responds to a request from a medical practitioner (doctor, etc.) and conveys the need for face-to-face treatment or non-face-to-face treatment of a specific user to the intelligent healthcare device (3), and the intelligent healthcare device (3) responds to the medical practitioner's (doctor, etc.) request.
  • Reservation information for face-to-face or non-face-to-face treatment is transmitted to the user device 1 of the specific user requested by the user.
  • the intelligent healthcare device 3 mediates the reservation process (e.g., searching for available reservation times, selecting available doctors) between the user device 1 and the medical practitioner device 2, and sends reservation completion information to the user device 1 and Notifies both sides of the medical device (2).
  • the intelligent healthcare device 3 includes a storage unit 11, a communication unit 12, and a control unit 13.
  • the storage unit 11 includes Read Only Memory (ROM), Random Access Memory (RAM), Erasable Programmable Read Only Memory (EPROM), Electrically Erasable Programmable Read-Only Memory (EEPROM), flash memory, and Static RAM (SRAM). RAM), HDD (Hard Disk Drive), SSD (Solid State Drive), etc. Additionally, the storage unit 11 may include at least one database for cumulatively recording the first personal health time series data set and/or the second personal health time series data set for each user.
  • the storage unit 11 may include a computer-readable recording medium storing a computer program that executes a computer-implemented method to be described later.
  • the communication unit 12 is provided to connect to the user device 1 and the medical personnel device 2 through a wired or wireless network to perform two-way communication.
  • the communication unit 12 may receive biometric data including measurement values of biometric signals for each user from the user device 1, and store the received biometric data in the storage unit 11.
  • the control unit 13 is operably coupled to the storage unit 11 and the communication unit 12 to perform each function (operation) of the intelligent healthcare device 3. ) can be controlled.
  • the fact that any two components are operably coupled means that they are interconnected to enable data (signal) transfer from one of the two components to the other.
  • the control unit 13 may be implemented by hardware, firmware, software, or a combination thereof.
  • an application specific integrated circuit (ASIC) or a digital signal processor (DSP) is used.
  • DSPD digital signal processing device
  • PLD programmable logic device
  • FPGA field programmable gate array
  • the control unit 13 executes the computer program stored in the storage unit 11, and when the computer program is executed, it guides the control unit 13 to perform operations for health management for each user.
  • FIG. 3 is a flowchart illustrating a method for registering a user device 1 in the intelligent healthcare device 3 shown in FIG. 1 .
  • the control unit 13 receives a device registration request from the first device 1a connected to the intelligent healthcare device 3 through a wired or wireless network.
  • the device registration request may include device information of the first device 1a and user authentication information of a user who has permission to use (eg, ownership) the first device 1a.
  • User authentication information may be, for example, a user ID and password assigned to each user.
  • step S320 the control unit 13 determines whether the user authentication information is valid in response to the device registration request. The validity of the user authentication information can be verified by comparison with the user authentication information previously recorded in the storage unit 11 through the user's membership registration process and/or by an authentication protocol such as Oauth 2.0. If the value of step S320 is “Yes,” the process proceeds to step S330. If the value in step S320 is “No”, the process proceeds to step S350. For each user, authentication for the first device 1a may be performed only once. A device agent (device manager) may be installed on the first device 1a, and two or more users may be registered as having normal usage rights for the first device 1a by the device agent.
  • a device agent device manager
  • the device agent may be a computer program that manages (eg, adds, deletes, modifies, etc.) a list of users with permission to use the first device 1a.
  • each user may be registered as a user with permission to use two or more first devices, and each first device may be registered to measure biosignals of two or more users.
  • step S330 the control unit 13 maps the device information of the first device 1a to the user's user authentication information and records it in the storage unit 11.
  • step S350 the control unit 13 issues to the first device 1a an access token in which the user's user authentication information is combined with the device information of the first device 1a.
  • the control unit 13 may generate a decryption key corresponding to the access token. Accordingly, the first device 1a is registered in the intelligent healthcare device 3 as a device for measuring the user's biosignals.
  • the access token may be a token encrypted by a one-way encryption algorithm such as bcrypt, and may be used to encrypt the measurement value of the biosignal by the first device 1a. That is, the first device 1a encrypts the measurement value of the biosignal using the access token issued from the intelligent healthcare device 3 as an encryption key, and then uses the encrypted measurement value as the biometric data including the access token as an encryption key. It can be transmitted to the healthcare device (3). Access tokens are issued one by one for each first device 1a-user pair, and may be given a validity period. Even if the access token is exposed to the outside, the device information and user authentication information contained therein cannot be inferred due to its one-way encryption characteristics. The validity period of the access token can be changed by the user.
  • a one-way encryption algorithm such as bcrypt
  • the first device 1a uses the access token itself to provide intelligent healthcare services without a login procedure using user authentication information. It is possible to automatically connect to the device 3, and the measurement value(s) recorded in the first device 1a from the last transmission of biometric data to the current time can be transmitted to the intelligent healthcare device 3.
  • the validity period of the access token e.g. 3 months
  • control unit 13 can automatically renew the validity period of the connection token (or reissue the access token) and key the decryption key accordingly. It can also be automatically renewed.
  • step S350 proceeds.
  • the control unit 13 transmits an authentication failure notification for the device registration request to the first device 1a.
  • FIGS. 4 to 6 are flowcharts exemplarily showing a method of collecting measured values of biological signals from the first device 1a.
  • the methods of FIGS. 4 to 6 may be executed on the first device 1a registered with the intelligent healthcare device 3 according to the method of FIG. 3.
  • step S410 the control unit 13 determines whether biometric data from the first device 1a has been received.
  • the biometric data includes measurement values of biological signals measured from the user by the first device 1a, the measurement date and/or measurement location (position of the first device 1a) of the measurement values, and the first device 1a. It may further include the access token issued in (1a). If the value of step S410 is “Yes,” the process proceeds to step S420. If the value in step S410 is “No”, the process proceeds to step S510.
  • step S420 the control unit 13 determines the validity of the access token included in the biometric data received from the first device 1a. If the value of step S420 is “Yes,” the process proceeds to step S430.
  • the value of step S420 being “No” may mean that the validity period of the access token previously issued for the first device (1a) has expired or that the user authentication information mapped to the device information of the first device (1a) has changed. there is. If the value of step S420 is “No”, the process proceeds to step S610.
  • step S430 the control unit 13 decrypts the biometric data (encrypted with the access token) received from the first device 1a using the decryption key corresponding to the access token.
  • step S440 the control unit 13 updates the user's first personal health time series data set using the measured value of the decrypted biometric data.
  • the first personal health time series data set includes a history of changes over time in the measurement values of the user's biosignals and may be named the PHR time series data set.
  • step S510 proceeds.
  • the control unit 13 determines whether the measurement period set for the biological signal has elapsed. That is, in step S510, it is determined whether the measurement period (time) has elapsed since the last time the user's biological signal was measured by the first device 1a. If the value of step S510 is “Yes,” the process proceeds to step S520. If the value of step S510 is “No”, it means that the biometric data from the first device 1a has been received within the measurement period, and in this case, it can return to step S410.
  • step S520 the control unit 13 transmits a measurement request to at least one of the first device 1a and the second device 1b to encourage the user to measure biosignals using the first device 1a. do.
  • At least one of the first device 1a and the second device 1b responds to the measurement request, calls (activates) an intelligent active conversation agent installed therein, and provides measurement of biosignals to the user in the form of a pop-up message, etc. Interaction with the user can be performed, such as activating a conversation interface to inform the user of the need and proceed with the measurement of biosignals.
  • step S560 proceeds.
  • step S610 the control unit 13 updates the access token previously issued to the first device 1a and the decryption key corresponding to the access token.
  • step S620 the control unit 13 transmits an approval request for biometric data (received in step S410) to the second device 1b.
  • the approval request may be a request to inquire with the user whether to approve the biometric data from the first device 1a already received in step S410 as representing the measurement value of the user's biosignal.
  • step S630 the control unit 13 determines whether the biometric data (received in step S410) has been approved by the second device 1b within a predetermined time. If the value of step S630 is “Yes,” the process proceeds to step S640. If the value of step S630 is “No”, the process proceeds to step S650.
  • step S640 the control unit 13 issues the connection token updated in step S610 to the first device 1a. That is, the access token previously issued to the first device 1a is replaced with a new access token.
  • the first device 1a may retransmit the biometric data transmitted to the intelligent healthcare device 3 in step S410 in response to a new access token being issued through step S640.
  • step S650 the control unit 13 sets the registration state of the first device 1a to an approval rejection state.
  • the control unit 13 may continue to block biometric data from the first device 1a when the first device 1a is set to an approval rejection state.
  • the user requests the intelligent healthcare device 3 to release the approval rejection status of the first device 1a by manipulating the device agent installed on at least one of the first device 1a and the second device 1b. and the intelligent healthcare device 3 can cancel the approval rejection state for the first device 1a in response to the release request.
  • the user can obtain the device ID, type, communication protocol, and access token information (e.g., issuance date, expiration date, and time) of the user devices (1) registered with the device agent installed on at least one of the first device (1a) and the second device (1b). ), you can check and manage (change, delete) information such as measurable biological signal items, location (in hours, automatically set for devices that can use GPS), and whether or not the device is in use.
  • FIG. 7 is a flowchart illustrating a method for the intelligent healthcare device 3 shown in FIG. 1 to collect user questionnaire information through interaction with the user device 1.
  • the intelligent healthcare device 3 can collect the user's questionnaire information in parallel with the collection process of the user's biometric data.
  • step S710 the control unit 13 determines whether a medical examination of the user is necessary. Medical examination of the user is conducted regularly or irregularly, when the user directly requests the intelligent healthcare device (3) to conduct the medical examination through the second device (1b), or when the attending physician uses the medical device (2). If the intelligent healthcare device 3 is requested to conduct a medical examination of the user, it may be determined that a medical examination of the user is necessary. In addition, the necessity of interviewing is based on the elapsed time from the user's last interview date and time, the first personal health time series data set to date, the user's hospital reservation information, and/or external environment information, and is learned in advance to determine the need for interviewing. It can be determined by the model.
  • the user's health condition may deteriorate periodically after a predetermined period of time or due to at least one of the first personal health time series data set and external environmental information (e.g., temperature, humidity, wind speed, fine dust). If it is high (e.g., the daily temperature difference in the area where the user is estimated to be located based on the GPS information of the first device 1a or the area of interest registered by the user is greater than the allowable value), it may be determined that a medical examination is necessary.
  • environmental information e.g., temperature, humidity, wind speed, fine dust
  • step S720 the control unit 13 generates (creates) a digital medical questionnaire to be presented to the user.
  • the digital questionnaire may include a plurality of questionnaire items, each questionnaire item being multiple choice or subjective.
  • the control unit 13 uses an artificial intelligence-based questionnaire content creation model to generate at least one questionnaire item of the digital questionnaire based on at least one of the user's general health information, the first personal health time series data set, and external environment information. can be automatically generated.
  • General health information is pre-entered by the user or collected from a medical information server, such as the user's gender, weight, height, blood type, age, vision, past/current medications, past/present symptoms, past/present Current medical history (e.g., diagnosed diseases, surgery history), etc.
  • the storage unit 11 of the intelligent healthcare device 3 may include a medical examination database, and a medical examination template in which at least two or more medical examination items are arranged may be recorded in the medical examination database.
  • the control unit 13 configures the questionnaire in a digital questionnaire based on the measurement value(s) for each type of biological signal being collected and managed for the user through the first device 1a and external environmental information such as seasonal changes and pandemics. You can automatically select items and create questionnaire contents (questions) for each selected questionnaire item.
  • step S730 the control unit 13 transmits a questionnaire progress request for the digital questionnaire generated in step S720 to the second device 1b in order to call the intelligent active conversation agent installed in the second device 1b.
  • the intelligent active conversation agent of the second device 1b responds to a request to conduct a questionnaire from the intelligent healthcare device 3, and outputs an interface for performing a questionnaire process on a digital questionnaire on the second device 1b. , encourage user participation in the questionnaire.
  • step S740 the control unit 13 receives the questionnaire results (questionnaire data) on the digital questionnaire from the second device 1b through interaction with the intelligent active conversation agent of the second device 1b.
  • the results of the questionnaire may be collected for each questionnaire item in the digital questionnaire, or may be collected collectively after the questionnaire for all questionnaire items in the digital questionnaire is completed.
  • a questionnaire is filled out in advance through an intelligent active conversation agent and placed on the medical staff device (2) before visiting the hospital. Sharing has the advantage of increasing the accuracy of answers and shortening treatment time compared to patients answering the doctor's questions directly during treatment hours at the hospital on the same day.
  • the intelligent active conversation agent responds to the request to proceed with the questionnaire and provides basic information about the digital questionnaire, such as why the user needs the questionnaire, the purpose of the questionnaire, and how to respond (this information is pre-recorded for each questionnaire in the questionnaire database) as text information and Guide the user with at least one piece of audio information. Audio information is output through text-to-speech (TTS) for text information, and can be selectively executed according to the user's operation of the second device 1b.
  • TTS text-to-speech
  • each questionnaire item in the digital questionnaire are also presented to the user in the form of at least one of text and audio by an intelligent active conversation agent, and through this, the user can easily understand the contents of each questionnaire item.
  • the intelligent active conversation agent measures the time elapsed from the time a specific questionnaire item is output from the second device 1b while conducting a questionnaire for the user, and determines that the user is having difficulty answering the specific questionnaire item. In this case, additional explanations and examples pre-mapped to the relevant questionnaire items are automatically provided to the user. Additionally, questionnaire items that are identified as difficult for the user to immediately answer are classified as scheduled to be answered later at the user's request and recorded in the list of unanswered questionnaire items, and the list of unanswered questionnaire items is checked for a certain amount of time (e.g. A separate interview can be conducted after one hour has elapsed or before the hospital appointment date and time arrives.
  • a certain amount of time e.g. A separate interview can be conducted after one hour has elapsed or before the hospital appointment date and time arrives.
  • the intelligent active conversation agent can exclude from the digital questionnaire questionnaire items that the user has already answered and are not likely to change (e.g., what are your sexually transmitted diseases?), and questionnaire items that are likely to change (e.g., does anyone in your family have a heart disease?) Information about the user's answers to other past questionnaire items related to the heading questionnaire (e.g., "Have you ever suffered from a disease or died from a disease?" and "What is the most you drink per day?”) (e.g., date and time of response, answer) By outputting the content visually and audibly, unnecessary questionnaires for the same questionnaire items can be prevented and users can be encouraged to actively participate in questionnaire items that require answers.
  • Information about the user's answers to other past questionnaire items related to the heading questionnaire e.g., "Have you ever suffered from a disease or died from a disease?" and "What is the most you drink per day?”
  • the intelligent healthcare device 3 uses a digital questionnaire containing at least one questionnaire item (multiple choice) dynamically generated to suit the user's condition or situation using artificial intelligence technology (e.g., context-based questionnaire generation).
  • a customized questionnaire can be performed for each user.
  • the control unit 13 detects abnormal behavior in the measurement value pattern of the user's recently measured biosignals (e.g., blood pressure, heart rate), changes in the surrounding environment such as seasonal changes when the daily temperature difference is more than 10 degrees, and the user's biometrics.
  • biosignals e.g., blood pressure, heart rate
  • changes in the surrounding environment such as seasonal changes when the daily temperature difference is more than 10 degrees
  • biometrics e.g., a change in characteristics
  • automatically generate questionnaire items related to the context using a natural language generation (NLG) deep learning model. can do.
  • the platform continuously learns and updates a deep learning model for automatically generating questionnaire items.
  • the control unit 13 determines the contents of the user's answers to the questionnaire items. Exclude from learning to improve the performance of the deep learning model.
  • Initial training of a deep learning model to dynamically generate questionnaire items is performed using automated techniques such as crawling or manually collected data from a pre-established group of medical experts (e.g., doctors, health examination centers, other medical literature, etc.). It is conducted using subjective rather than multiple-choice items (e.g., feel free to write if you have any uncomfortable body parts or special symptoms) using a Natural Language Processing (NLP) deep learning model to enable multiple users to respond to the questionnaire items. Based on the commonly entered answers, learning data can be constructed to create new questions (learning data is collected at low cost), and deep learning models can be trained regularly or irregularly using this.
  • NLP Natural Language Processing
  • the second device (1b) transmits the questionnaire data containing the answers entered by the user for each questionnaire item to the intelligent healthcare device (3)
  • the second device (1b) encrypts it using a unique access token issued separately, just like biometric data. Can be transmitted.
  • the intelligent healthcare device 3 can generate and store a decryption key corresponding to the access token associated with the medical examination data, and can use this to decrypt the medical examination data from the second device 1b.
  • step S750 the control unit 13 processes the questionnaire results received in step S740 to update the user's second personal health time series data set.
  • the second personal health time series data set includes a history of changes over time in at least one health-related item that is different from the user's biosignals measured by the first device 1a.
  • Health-related items are items that change over time among the questionnaire data (e.g., weight, height, amount of alcohol consumed in the past month, exercise time in the past week, medications taken in the past week, recent diet, pain level in a specific body part, etc.) , and like biometric data, it can be stored in a questionnaire database in the form of a time series.
  • the second personal health time series data set is used as additional feature data (for learning) when learning using an artificial intelligence model to monitor (detection) abnormal patterns of biosignals, thereby providing artificial intelligence for monitoring (detection) of abnormal patterns. Improve model accuracy.
  • FIG. 8 is a flowchart illustrating a method of modifying the measurement cycle for each type of biological signal executed by the intelligent healthcare device 3 shown in FIG. 1.
  • the user's first device 1a can measure a single or two or more types of biosignals, and the measurement cycle can be individually set and adjusted for each biosignal that can be measured by the first device 1a.
  • the initial value of the measurement cycle for each biosignal may be preset to a predetermined value and may be adjusted regularly or irregularly while monitoring the user's personal health-related information. there is.
  • the controller 13 obtains at least one period adjustment parameter for the biological signal.
  • the period adjustment parameter refers to a parameter referenced for adjusting the measurement period of a biological signal associated with a specific user-first device 1a pair.
  • the biosignal is blood pressure
  • parameters related to personal health information e.g., height, weight, previously diagnosed disease, questionnaire data (answer content), user location, movement route, user location changes rapidly by more than 1km within unit time.
  • parameters representing external environmental information e.g., temperature, season, season change, prevalent infectious disease, etc.
  • parameters representing the analysis results of the first personal health time series data set e.g., abnormalities in the measured values of biological signals) /pattern, etc.
  • External environment information may be collected periodically (eg, every hour) by the control unit 13 connecting to an external environment monitoring server (eg, public portal) through the communication unit 12.
  • step S820 the control unit 13 calculates a correction amount for the measurement period of the biological signal based on at least one period adjustment parameter obtained in step S810.
  • the calculated correction amount has 0, a positive value, or a negative value
  • the cycle adjustment parameter indicates improvement (potential) of the user's health
  • the correction amount increases in absolute value to a positive value
  • the cycle adjustment parameter If indicates deterioration (possibility) of the user's health, the correction amount may increase to a negative value in absolute value, and if the cycle adjustment parameter indicates maintenance of the user's health, the correction amount may be set to 0.
  • step S830 the control unit 13 corrects (updates) the measurement cycle by applying (summing up) the correction amount calculated in step S820 to the current measurement cycle determined for the biological signal.
  • the measurement cycle modified through step S830 is used as the measurement cycle of the user's biological signals until the next meeting is modified. That is, the modified measurement cycle can be used in step S510 described above with reference to FIG. 5.
  • the control unit 13 may transmit the revised measurement cycle to the second device 1b through the communication unit 12.
  • the second device 1b may be installed with a calendar application for management of biosignal measurements provided by the intelligent healthcare device 3, and the calendar application may be installed in the second device 1b when the modified measurement cycle arrives or is scheduled to arrive in step S830.
  • a measurement performance alarm can be activated through the screen and/or speaker of the device 1b.
  • the second device 1b records the date and time of measurement of biological signals by the first device 1a in the calendar application, and guides the user to the current biological signal measurement history automatically or manually at the user's request. You can.
  • the calendar application can synchronize information related to the measurement cycle and measurement results of biological signals with a third-party calendar application through linking with a third-party calendar application.
  • Simple notification information delivered from the intelligent healthcare device 3 to the second device 1b may be delivered to the user through a messenger service and/or SNS provided by a third party instead of an intelligent active conversation agent.
  • FIG. 9 is a flowchart illustrating a method for monitoring user health abnormalities performed by the intelligent healthcare device 3 shown in FIG. 1.
  • step S910 the control unit 13 creates an artificial intelligence model for processing the first personal health time series data set (which may be after being updated in step S440).
  • Step S910 may include step S912, step S914, step S916, and step S918.
  • step S912 the control unit 13 performs a comparison between at least one normal range determined for the biosignal and at least one measurement value included in the first personal health time series data set to provide a first score related to the biosignal. Create the first model to be output.
  • the normal range (or other risk range) for each type of biological signal is established in the database in the storage unit 11 after consultation with medical experts.
  • systolic blood pressure of less than 120 mmHg and diastolic blood pressure of less than 80 mmHg may be set as normal ranges, and the first model stores each of these normal ranges in the user's first personal health time series data set (in step S440). By comparing it with the measured value (which may be before it was updated), the degree of the user's blood pressure abnormality can be quantified and output as a score.
  • the normal range for each biosignal instead of being determined uniformly, may be subdivided into multiple levels based on personal physical factors such as gender, age group, height, weight, etc. and/or external environmental factors such as season, temperature, and measurement time.
  • the control unit 13 may identify a normal range corresponding to the user's personal physical factors and/or external environmental factors among a plurality of normal ranges for a specific biosignal, and apply the identified normal range to the first model. Step S914 may be performed only once.
  • step S914 the control unit 13 selects the user's first personal health time series data set (by step S440), which is learned from a plurality of reference health time series data sets for the biosignals previously acquired from a plurality of individuals other than the user. (may be before update) is processed to generate a second model that outputs a second score related to the biosignal.
  • the reference health time series data set relates to the same biosignals as the first personal health time series data set, and includes a history of changes over time in the measurement values of other people's biosignals.
  • the size (quantity) of the first personal health time series data set is not sufficient, so a second model pre-trained with data sets collected from other users is built. .
  • Multiple reference health time series data sets can be collected from public data set repositories such as data hubs or obtained through paid purchases.
  • biosignals that can determine whether there is an abnormality based on the value at the moment of measurement, such as blood pressure or body mass index (BMI), and there are types that can determine whether there is an abnormality by analyzing values measured multiple times over time, such as an electrocardiogram (ECG). Since there are different types, the control unit 13 can select a model that matches the characteristics of each type of biosignal and perform learning on the selected model.
  • BMI body mass index
  • ECG electrocardiogram
  • step S916 the control unit 13 learns with the first personal health time series data set (which may be before being updated by step S440) and the first personal health time series data set (which may be after being updated by step S440). ) is processed to generate a third model that outputs a third score related to the biosignal. Generation of the third model by step S916 may be performed when the size (quantity) of the first personal health time series data set (which may be before being updated by step S440) is greater than or equal to the reference data amount.
  • the second personal health time series data set previously obtained according to the method of FIG. 7 can be used as learning data, and accordingly, the user It is possible to create an optimally personalized second model.
  • control unit 13 may combine the first model, the second model, and the third model to output the weighted average of the first score, the second score, and the third score as an ideal score.
  • An ensemble technique may be applied to the combination of the first model, second model, and third model.
  • control unit 13 may determine (adjust) the first weight, the second weight, and the third weight according to the number of measurement values recorded in the first personal health time series data set.
  • the first range, second range, and third range, which correspond one-to-one to the first weight, second weight, and third weight, can be adjusted when necessary by the manager of the intelligent healthcare device 3 in consideration of expert advice, etc. .
  • x is the entire first personal health time series data set (which may be after being updated by step S440), two or more measurements measured in a specific period (e.g., the most recent month), or measured at a specific time. It is a single measurement value.
  • M1(x) is the first score output from the first model for x
  • M2(x) is the second score output from the second model for x
  • M3(x) is the first score output from the third model for x.
  • W1 is the first weight
  • W2 is the second weight
  • W3 is the third weight
  • S(x) is the abnormal score output from the artificial intelligence model.
  • each of the first score, second score, and third score may range from 0 to 1, and the sum of the first weight (W1), second weight (W2), and third weight (W3) may be 1. Therefore, S(x) can also be in the range of 0 to 1.
  • the first weight W1 can be adjusted in a first range (eg, 0.8 to 0.5), the second weight W2 can be adjusted in a second range (eg, 0.2 to 0.1), and the third weight W3 can be adjusted in the third range (e.g., 0 to 0.4).
  • the control unit 13 first adjusts the first weight W1 within a first range whenever the number of measurements recorded in the first personal health time series data set increases by the standard number (e.g., 100). value, the second weight W2 can be decreased by the second adjustment value within the second range, and the third weight W3 can be increased by the third adjustment value within the third range.
  • the first weight W1 is set to 0.8, which is the upper limit of the first range
  • the second weight W2 may be set to 0.2, which is the upper limit of the second range
  • the third weight W3 may be set to 0, which is the lower limit of the third range.
  • the first weight W1 is reduced by the first adjustment value to 0.8.
  • the second weight W2 may be set to 0.2, which is decreased by the second adjustment value
  • the third weight W3 may be set to 0.01, which is increased by the third adjustment value (predetermined).
  • the first adjustment value and the second adjustment value can be determined by Equation 2 below whenever the third weight W3 increases by the third adjustment value.
  • First adjustment value Third adjustment value ⁇ Width of first range/(Width of first range + Width of second range)
  • Second adjustment value Third adjustment value ⁇ Width of second range/(Width of first range + Width of second range)
  • the first weight (W1), the second weight (W2), and the third weight (W3) may be determined by Equation 3 below.
  • W1 U1 - ⁇ W3 ⁇ width of first range/(width of first range + width of second range) ⁇
  • W2 U2 - ⁇ W3 ⁇ width of second range/(width of first range + width of second range) ⁇
  • W3 L3 + ⁇ Third adjustment value ⁇ D(N/M) ⁇
  • U1+U2+L3 1.
  • L1 is the lower limit of the first range
  • L2 is the lower limit of the second range
  • U3 is the upper limit of the third range
  • L1+L2+U3 1.
  • step S920 the control unit 13 uses an artificial intelligence model to calculate an abnormality score associated with the user's health status based on the first personal health time series data set (which may be after being updated by step S440). do.
  • the user's abnormality score for the biosignal calculated by the artificial intelligence model may be mapped to the first personal health time series data set and recorded in the storage unit 11.
  • the intelligent healthcare device (3) can transmit the abnormality score calculated through the method of FIG. 9 to the medical device (2) of the medical practitioner who is registered as the user's doctor (attending hospital) or is treating the user as a patient (reservation). there is.
  • the artificial intelligence model achieves optimal performance when learning with learning data (e.g., multiple reference health time series data sets) in which abnormal (positive) data and normal (negative) data are distributed at the same ratio.
  • learning data e.g., multiple reference health time series data sets
  • abnormal (positive) data and normal (negative) data are distributed at the same ratio.
  • class imbalance in which abnormal data is significantly less than normal data, and the abnormality detection performance of the learned model is inevitably lowered due to the low rate of normal data. Accordingly, the inventor of the present invention confirmed that the performance of the artificial intelligence model can be improved through the method according to FIG. 10.
  • FIG. 10 is a flowchart illustrating a method for generating the second model described above with reference to FIG. 9 .
  • step S1010 the control unit 13 generates a first candidate model through supervised learning using a plurality of reference health time series data sets.
  • a plurality of reference health time series data sets are previously obtained from individuals other than the user, and each measurement value included therein is classified as a normal measurement value (normal data) or an abnormal measurement value (abnormal data).
  • a normal measurement value may be a measurement value indicating that the health state is normal
  • an abnormal measurement value may be a measurement value indicating that the health state is abnormal.
  • step S1020 the control unit 13 processes a plurality of reference health time series data sets by executing at least one of down-sampling for normal measurement values and up-sampling for abnormal measurement values of the plurality of reference health time-series data sets.
  • a second candidate model is created through supervised learning using multiple processed reference health time series data sets.
  • Step S1020 may be selectively executed only when the ratio of abnormal measurement values of the plurality of reference health time series data sets is greater than or equal to the first reference rate (eg, 10%) and less than the second reference rate (eg, 30%).
  • the control unit 13 repeatedly performs down-sampling for normal measurement values and up-sampling for abnormal measurement values of a plurality of reference health time series data sets at predetermined ratio intervals to produce two or more processed plurality of reference health time series data. After creating the set, a second candidate model learned with two or more processed plural reference health time series data sets can be created. In the processed plurality of reference health time series data sets, the ratio of abnormal measurements is greater than or equal to the second reference ratio.
  • step S1030 the control unit 13 generates a third candidate model through unsupervised learning using only normal measurement values of a plurality of reference health time series data sets as learning data.
  • a third candidate model learned through the method the performance of the third candidate model can be improved.
  • Step S1030 may be selectively executed only when the ratio of abnormal measurement values of the plurality of reference health time series data sets is less than the first reference ratio.
  • the third candidate model outputs a score corresponding to each measurement value of a plurality of reference health time series data sets, classifies measurements corresponding to scores below the threshold as normal measurements, and measures corresponding to scores above the threshold. Values can be classified as abnormal measurements.
  • the output data of this third candidate model is compared with learning data (a plurality of reference health time series data), and learning may be performed several times so that the threshold of the third candidate model is automatically adjusted according to the results of the comparison. For example, if the third candidate model outputs the specific measurement value as a normal measurement value even though the specific measurement value of the learning data is an abnormal measurement value, the threshold value is automatically adjusted to identify the specific measurement value as an abnormal measurement value. You can.
  • step S1040 the control unit 13 evaluates the performance of each of the first candidate model, second candidate model, and third candidate model using the first test data set.
  • the first test data set may be a plurality of reference health time series data sets, or a data set previously acquired separately from the plurality of reference health time series data sets.
  • step S1050 the control unit 13 selects the one evaluated as having the highest performance among the first candidate model, the second candidate model, and the third candidate model as the second model. This completes step S914.
  • FIG. 11 is a flowchart illustrating a method for generating the third model described above with reference to FIG. 9 .
  • step S1110 the control unit 13 generates a fourth candidate model through supervised learning using the first personal health time series data set (which may be before being updated in step S440).
  • Each measurement value of the first personal health time series data set may be classified as an abnormal measurement value or a normal measurement value by the second model described above or another model.
  • step S1120 the control unit 13 processes the first personal health time series data set by performing at least one of down-sampling for normal measurement values and up-sampling for abnormal measurement values of the first personal health time-series data set.
  • a fifth candidate model is created through supervised learning using the processed first personal health time series data set.
  • Step S1120 may be optionally executed only when the ratio of abnormal measurement values of the first personal health time series data set is greater than or equal to the first reference rate and less than the second reference rate. For example, if the number of measurements in the first personal health time series data set is more than a predetermined number, down sampling may be performed on normal measurement values, and if the number is less than a predetermined number, up sampling may be performed on abnormal measurement values.
  • control unit 13 repeatedly performs down sampling for normal measurement values and up sampling for abnormal measurement values of the first personal health time series data set at predetermined ratio intervals to produce two or more processed first personal health time series data sets. After creating the set, a fifth candidate model learned with two or more processed first personal health time series data sets can be created. In the processed first personal health time series data set, the ratio of abnormal measurements is greater than or equal to the second reference ratio.
  • step S1130 the control unit 13 generates a sixth candidate model through unsupervised learning using only the normal measurement values of the first personal health time series data set as learning data.
  • Step S1130 may be selectively executed only when the ratio of abnormal measurement values of the first personal health time series data set is less than the first reference ratio.
  • the sixth candidate model outputs a score corresponding to each measurement value of the first personal health time series data set, classifies measurements corresponding to scores below the threshold as normal measurements, and measures corresponding to scores above the threshold. Values can be classified as abnormal measurements.
  • the output data of this sixth candidate model is compared with learning data (first personal health time series data set), and learning may be performed several times so that the threshold of the sixth candidate model is automatically adjusted according to the results of the comparison.
  • step S1140 the control unit 13 evaluates the performance of each of the fourth candidate model, the fifth candidate model, and the sixth candidate model using the second test data set.
  • the second test data set may be the first personal health time series data set, or at least one of the plurality of reference health time series data sets described above.
  • step S1150 the control unit 13 selects one of the fourth candidate model, the fifth candidate model, and the sixth candidate model evaluated as having the highest performance as the third model. This completes step S916.
  • FIG. 12 is a diagram showing the overall configuration of the attending physician-directed visit recommendation device 100 based on real-time monitoring of the patient's personal health data according to the first embodiment of the present invention.
  • the attending physician-directed visit recommendation device 100 based on real-time monitoring of the patient's personal health data includes a processor 10, a network interface 20, a memory 30, a storage 40, and their connections. It may include a data bus 50, and may be implemented as an independent device itself, or may be implemented in the form of a tangible physical service server such as an in-house system or space rental system, or an intangible cloud service server, etc. I would say there is.
  • the intelligent healthcare device 3 shown in FIG. 1 can be used as a doctor-led hospital visit recommendation device 100.
  • the processor 10 controls the overall operation of each component.
  • the processor 10 may be a CPU (Central Processing Unit), MPU (Micro Processer Unit), MCU (Micro Controller Unit), or any of the types of processors widely known in the technical field to which the present invention pertains, and may be a machine learning model processor. Alternatively, it can be implemented with an artificial intelligence model processor, such as a deep learning model processor.
  • the processor 10 may perform operations on at least one application or program to perform the method of actively reserving a patient's visit schedule according to the second embodiment of the present invention.
  • the network interface 20 supports wired and wireless Internet communication of the attending physician-led visit recommendation device 100 according to real-time monitoring of the patient's personal health data according to the first embodiment of the present invention, and may also support other known communication methods. . Accordingly, the network interface 20 may be configured to include a corresponding communication module.
  • the memory 30 stores various information, commands, and/or information, and one or more computer programs ( 41) can be loaded.
  • RAM is shown as one of the memories 30, but of course, various storage media can also be used as the memory 30.
  • Storage 40 may non-temporarily store one or more computer programs 41 and large-capacity network information 42.
  • This storage 40 may be non-volatile memory such as ROM (Read Only Memory), EPROM (Erasable Programmable ROM), EEPROM (Electrically Erasable Programmable ROM), flash memory, hard disk, removable disk, or in the technical field to which the present invention pertains. It may be any of the widely known computer-readable recording media.
  • the computer program 41 is loaded into the memory 30 and causes one or more processors 10 to (A) determine the patient's PHR based on the patient's personal health record (PHR) measurement value received from the patient terminal. An operation to calculate in real time a PHR evaluation value including at least one of an abnormality score and a PHR abnormality grade, (B) an operation to determine whether the patient's PHR evaluation value calculated in real time exceeds a preset threshold, (C) (B) an operation that sends a real-time notification to the patient's doctor's terminal if the judgment result of the operation is exceeded; (D) a plurality of days and times including the date and time when the patient can visit the hospital by receiving visit request information from the doctor's terminal An operation of displaying candidate schedules on a patient calendar and outputting them to the patient terminal, (E) receiving selection information about one of the plurality of candidate schedules from the patient terminal to complete a visit reservation, and completing the patient calendar (F) An operation of displaying the completed visit reservation on the doctor's calendar
  • the data bus 50 serves as a path for moving instructions and/or information between the processor 10, network interface 20, memory 30, and storage 40 described above.
  • the attending physician-directed visit recommendation device 100 based on real-time monitoring of the patient's personal health data according to the first embodiment of the present invention described above is implemented in the form of an independent device, for example, in the form of a server, personal health data can be accessed by accessing the device 100.
  • the patient terminal (not shown) that transmits may be a terminal equipped with various sensors that can measure the patient's biosignals, and the specific type of terminal may be any.
  • the attending physician terminal does not need to be a terminal equipped with a sensor for this purpose, as it is not necessary to measure the attending physician's biosignals. Due to the nature of the work performed in hospitals, a personal desktop or laptop PC is used as the attending physician terminal. This is a representative example of a terminal (not shown), but since there may be cases where the attending physician takes the patient's position, the case of a terminal of the same type as the patient terminal (not shown) is not excluded.
  • both the patient terminal (not shown) and the attending physician terminal (not shown) are connected to the attending physician-directed visit recommendation device 100 according to the real-time monitoring of the patient's personal health data according to the first embodiment of the present invention through the network.
  • a method of actively reserving a patient's visit schedule will be provided, and for this purpose, a dedicated application will be installed on both the patient terminal (not shown) and the attending physician's terminal (not shown).
  • the dedicated application itself is a specific function provided by the attending physician-led visit recommendation device 100 according to real-time monitoring of the patient's personal health data according to the first embodiment of the present invention through the patient terminal (not shown) and the attending physician terminal ( It can be said to be a configuration that serves as a medium to provide or receive various information from people (not shown).
  • Figure 13 is a flowchart showing representative steps of a method for actively reserving a patient's visit schedule according to a second embodiment of the present invention.
  • each step is performed by the attending physician-led visit recommendation device (100, hereinafter referred to as "device") based on real-time monitoring of the patient's personal health data according to the first embodiment of the present invention, and the implementation form is in the form of a server.
  • the patient terminal (not shown) is a smart watch equipped with various sensors capable of measuring vital signs while possessing network functions
  • the attending physician terminal is a desktop PC. .
  • the device 100 provides a real-time PHR evaluation including at least one of the patient's PHR abnormality score and PHR abnormality grade based on the patient's personal health record (PHR) measurement value received from the patient terminal. Calculate (S1310).
  • the patient's personal health data received from the patient terminal may differ depending on the sensor mounted on the patient terminal (not shown), so it is possible to receive all various types of personal health data from as many different sensors as possible.
  • receiving only the personal health data necessary for analyzing the patient's condition according to the patient's settings or the doctor's settings on the dedicated application is a shortcut to accurately analyzing the patient's condition and preventing storage space problems and adverse effects of data waste. will be.
  • the personal health data that can be measured by the patient terminal is blood pressure, body temperature, heart rate, blood sugar level, and electrocardiogram
  • the patient belongs to the diabetes risk group only blood pressure and blood sugar level can be set to receive as personal health data. There will be.
  • the patient's personal health data received from the patient terminal (not shown) is personal health data measured in real time just before transmission by the patient terminal (not shown), and the patient's personal health data is determined according to the patient's settings or attending physician's settings on the dedicated application. Data can be set to be measured at a certain period of time, and furthermore can be set to be measured based on certain conditions.
  • the blood sugar level is measured and sent at intervals of, for example, 1 hour, 6 hours, or 1 day, or in the latter case, the blood sugar level is measured only when the blood pressure exceeds a certain level, for example.
  • the latter can be used more usefully when the personal health data that can be used to analyze the condition of a patient with a certain disease or illness is related to each other.
  • the device 100 calculates a PHR evaluation value including one or more of the patient's PHR abnormality score and PHR grade in real time based on personal health data measurements received from the patient terminal (not shown).
  • the patient's PHR abnormality score and PHR grade are the same as the previous explanation, so detailed descriptions are omitted to prevent duplicate descriptions. Since it is sufficient for the PHR evaluation value to include at least one of the PHR abnormality score and PHR grade, the PHR abnormality score and PHR grade are the same as the previous explanation. It is possible to calculate only the score, only the PHR grade, or both.
  • the calculation speed can be improved by implementing the processor 10 included in the device 100 as a processor capable of parallel processing or as a multiprocessor. I would say it is possible.
  • the device 100 determines whether the patient's PHR evaluation value calculated in real time exceeds a preset threshold (S1320).
  • the preset threshold may vary depending on the type of personal health data received in the previous step S1310. If the PHR evaluation value includes only the PHR or higher score, the threshold value is the score and the PHR evaluation value includes only the PHR or higher score. In this case, the threshold may be set to a grade, and if it includes both, the threshold may be set to a score and a grade.
  • the threshold value can be set individually by the attending physician depending on the patient on the dedicated application, even if it is the same type of PHR evaluation value.
  • patient A is a patient with high blood pressure
  • patient B is a patient with diabetes.
  • the blood pressure value is more important for hypertensive patients than the blood pressure value for diabetic patients (for diabetic patients, blood sugar level is the most important personal health data)
  • the blood pressure threshold for a patient can be set lower than the blood pressure threshold for a diabetic patient.
  • the preset threshold is the standard for deciding whether or not to visit the hospital, which will be described later, so it is at a risk level or at least cautioned. It should be set as a standard to determine the level of achievement.
  • the device 100 sends a real-time notification to the patient's doctor's terminal (not shown) (S1330).
  • the real-time notification may be any type of notification, such as notification on a dedicated application, notification through an interactive messenger, or notification through text message. It corresponds to an unspoken request to determine whether it is necessary.
  • the real-time notification may include certain information that can determine whether the patient is in a condition necessary for visiting the hospital, such as measurements of the patient's personal health data received from the patient terminal (not shown), and PHR calculated in real time. It may include one or more of the following: an evaluation value, a measurement value of personal health data within a certain period based on the current point in time, a graph of change in the PHR evaluation value, and the patient's personal information.
  • the patient's personal information includes the patient's name, age, and height. , weight, gender, occupation, and whether or not you have a disease or illness.
  • the device 100 provides medical examination data or other personal health data about the patient through the attending physician's terminal (not shown).
  • a request for additional transmission of the calculated PHR evaluation value or a change graph thereof within a predetermined time may be received and provided to the attending physician terminal (not shown).
  • the process may be terminated without reserving a visit schedule.
  • a dedicated application installed on the attending physician terminal may be used.
  • a message that a visit to the hospital is not necessary but that special attention or careful management is required can be sent to the patient terminal (not shown) through the device 100 (S1335). In this case, the patient will be more careful about his or her health status. You can tilt it.
  • a real-time notification is sent to the doctor's terminal (not shown)
  • the patient needs to visit the doctor
  • the device 100 receives the visit request information from the doctor's terminal and creates a plurality of candidate schedules including dates and times when the patient can visit the doctor. It is marked on the patient's calendar and printed on the patient's terminal (not shown) (S1340).
  • This step S1340 can be viewed as a step of initiating a process related to reservation for a visit between a patient in need of a visit and the attending physician, and will be described in detail with reference to FIG. 14 below.
  • Figure 14 is a flowchart detailing step S1340 in the method of actively reserving a patient's visit schedule according to the second embodiment of the present invention.
  • the device 100 receives visit request information from the attending physician terminal (not shown) including a plurality of attending physician selection candidate schedules including dates and times when patients selected by the attending physician can visit the hospital (S1340-1).
  • a visit to the hospital is a patient's visit to the hospital, it is common to follow the doctor's treatment schedule.
  • the attending physician as a doctor, selects a time when the patient can be treated and suggests it first. Through this, the present invention allows the attending physician to actively reserve the visit schedule. You will be able to do it.
  • the attending physician terminal (not shown) sends visit request information including a plurality of attending physician selection candidate schedules including dates and times when the patient can visit the hospital, to the device 100.
  • the visiting request information is output on the attending physician calendar on the dedicated application. and can be created through selection.
  • the attending physician's calendar automatically displays the schedule for which visit reservations have been completed through the device 100, and the reservation schedule according to calls made through the hospital rather than the device 100 is also displayed on the attending physician's terminal (not shown). It can be displayed manually.
  • the attending physician will be able to easily select a date and time when the patient can visit the hospital by referring to the attending physician calendar printed on the attending physician terminal (not shown). Multiple dates and times when a patient can visit can be selected, and in the case of dates, the same number of days and times can be selected. Rather than selecting multiple times within a date, selecting multiple times on multiple dates may be a way to give patients greater freedom in choosing the date and time of visit.
  • the device 100 automatically searches for a date and time when a visit is possible on the attending physician's calendar and displays them separately on the attending physician's calendar, allowing the attending physician to select the date and time when a visit is possible. It may also contribute to improving convenience.
  • the device 100 selects a plurality of device selection candidate schedules that include a plurality of dates and times different from the plurality of primary doctor selection candidate schedules included in the visit request information received (S1340-2).
  • step S1340-1 the attending physician referred to the attending physician's calendar and selected a possible date and time as the candidate schedule for selecting the attending physician.
  • step S1340-2 the device 100 selects a different date and time on its own.
  • the device 100 When the device 100 selects a device selection candidate schedule, the device 100 automatically searches for dates and times of possible visit on the attending physician's calendar in step S1340-1, and selects dates and times separately displayed on the attending physician's calendar that are not selected by the attending physician. Not only can you select a date and time, but you can also use information about the patient's occupation among the patient's personal information.
  • the patient's occupation is an office worker, he or she can select the time between 12:00 PM and 1:00 PM on weekdays, which corresponds to the lunch hour of a typical office worker. If the patient's occupation is a housewife, he or she can select the time when the child goes to daycare or school. You will be able to select a time between 10 AM and 12 PM.
  • the device 100 displays a plurality of candidate schedules, including a plurality of candidate schedules for physician selection and a plurality of candidate schedules for device selection, on the patient calendar and outputs them to the patient terminal (S1340-3).
  • the device 100 can distinguish between the doctor-selected candidate schedule and the device-selected candidate schedule, so that the date and time preferred by the attending doctor can be displayed at other dates and times. This is to distinguish it from the other, and of course, it can be displayed the same way simply as the date and time that can be visited without any distinction.
  • the device 100 receives selection information about one of the plurality of candidate schedules from the patient terminal (not shown) and makes a visit reservation. is completed, it is marked on the patient's calendar and output to the patient's terminal (not shown) (S1350), and it is also marked on the attending physician's calendar and output to the attending physician's terminal (not shown) (S1360).
  • the visit reservation can be considered completed, and the device 100 updates the patient calendar and attending physician calendar to display the date and time of receiving the selection information, thereby It can be output to a terminal (not shown) and the attending physician's terminal (not shown).
  • the reservation may be displayed as completed on the date and time selected by the patient only when the attending physician's reservation completion approval information is received on the dedicated application through the attending physician's terminal (not shown), and multiple candidate schedules may be provided.
  • the patient calendar if the patient's personal schedule is searched or loaded and there is a personal schedule that overlaps with a plurality of candidate schedules, the patient cannot select the overlapping candidate schedule and the patient calendar is printed. You will be able to.
  • Steps S1350 and S1360 described above relate to a case where the patient immediately selects one of the plurality of candidate schedules first presented to the patient by the attending physician or the device 100, and as another personal schedule that cannot be searched or loaded. As a result, it may not be possible to select any of the multiple candidate schedules, so in this case, the question arises as to how to proceed with the reservation.
  • the device 100 receives visit request information from the patient terminal (not shown) including a plurality of patient selection candidate schedules including dates and times when the patient selected by the patient can visit the hospital, and the device 100 itself
  • a plurality of device selection candidate schedules including a plurality of patient selection candidate schedules and a plurality of different dates and times may be selected, displayed on the attending physician's calendar along with the patient selection candidate schedule, and output to the attending physician's terminal (not shown).
  • the attending physician can select a date and time by checking the attending physician calendar printed on the attending physician terminal (not shown), and the visit reservation can be made only when the visit reservation is completed or the patient's reservation completion approval information is received. You can have it processed as completed.
  • the attending physician's reservation completion schedule is searched or loaded to match the patient selection candidate schedule selected by the patient. If there is a reservation completion schedule that overlaps with the device selection candidate schedule selected by the device 100, the attending physician may be processed to prevent selection of the overlapping candidate schedule and the attending physician calendar may be output.
  • the patient's visit schedule can be viewed as being booked.
  • it is output on the patient calendar printed on a dedicated application on the patient terminal (not shown) or on the dedicated application on the attending physician's terminal (not shown).
  • the calendar which is an important component in schedule management in the present invention, including the attending physician calendar, will now be described.
  • detailed information about the visit reservation includes basic information such as the patient's name, doctor's name, scheduled visit time, disease information, and patient personal information, as well as information such as precautions for the visit entered by the attending doctor, additional questionnaires, or inquiries entered by the patient. may include.
  • the device 100 may automatically display the date and time at which personal health data must be measured, in addition to information about the visit appointment, on the patient calendar, and the date and time may be based on the measurement cycle described above. Furthermore, it is understandable that the patient can display the measurement date and time on the patient calendar. In the case of the patient's personal schedule, it may not be displayed on the patient calendar on the dedicated application, so it must be linked to an external calendar service such as Google Calendar or Outlook Calendar. You can also synchronize the schedules displayed on each calendar.
  • patients will be able to look up their doctor's calendar or the calendar of a doctor other than their doctor through a dedicated application.
  • the calendar will display the dates and times when reservations for visits can be made, so they can make reservations for visits right away.
  • detailed information related to the date and time when the reservation was completed will not be available for other reservation users. This is because it is related to personal information.
  • the attending physician's calendar check the one attending physician who is the owner of the attending physician terminal (not shown) with the dedicated application installed, but also, if multiple doctors work at one hospital, the calendar for the hospital itself is treated as the attending physician's calendar. Multiple doctors can also share through their own devices.
  • the visit reservation information displayed on the attending physician's calendar can be recorded through synchronization in each doctor's personal external calendar, but when viewing the calendar, only the visiting reservation information displayed on the attending physician's own external calendar will be searched.
  • the attending physician cannot view the patient's calendar even through a dedicated application, because it may contain the patient's personal information unrelated to the appointment reservation.
  • the device 100 records the PHR among patients who have a patient-physician relationship with the attending physician terminal (not shown).
  • a step (S1370) of sending a list of patients whose evaluation values exceed a preset threshold within 24 hours a day may be further included, and from the attending physician's perspective, visiting patients who require a visit at the end of the day's treatment may be included.
  • the device 100 sends a visit request notification according to the visit reservation to the patient terminal (not shown). It may further include a step (S1380), and the visit request notification can be set at the time of sending the notification by setting on the dedicated application, such as one day before the visit reservation, in the morning on the day of the visit, and one hour before the visit reservation.
  • the dedicated application such as one day before the visit reservation, in the morning on the day of the visit, and one hour before the visit reservation.
  • Any type of notification can be used, such as push notifications on dedicated applications, notifications through interactive messengers, or notifications through text messages.
  • the device 100 may also send information about precautions before visiting the hospital, such as needing to fast 6 hours before visiting the hospital or refraining from taking drugs such as aspirin. Precautions before visiting the hospital may be entered by the attending physician through the attending physician's terminal (not shown), or the device 100 may automatically enter them based on visit reservation information or through a previously established database of precautions during visiting.
  • the device 100 activates the patient terminal (not shown) one day before the visit reservation date.
  • the device 100 may further include a step (S1390) of sending a notification requesting measurement of personal health data causing the visit, where the notification requesting measurement of personal health data includes a questionnaire and a questionnaire regarding the personal health data causing the visit. It may include one or more of the questionnaires regarding items that the attending physician will inquire about the patient during the treatment process, so that treatment time can be shortened when the patient actually visits the hospital.
  • Requesting the device 100 to measure personal health data that causes a visit to the hospital a day before the visit reservation date is as possible because measuring it too far from the visit reservation date may result in the patient's condition being significantly different from the day of the visit. This is to ensure an accurate understanding of the patient's condition by measuring the patient at a time close to the scheduled visit date.
  • the timing of measurement before visiting the hospital can be requested differently depending on the settings of the attending physician or the type of personal health data that caused the visit.
  • the device 100 can determine external environmental information such as temperature or today's weather according to the patient's morning wake-up time and send a notification to the patient terminal (not shown) through a dedicated application along with the visit reservation information.
  • external environmental information such as temperature or today's weather according to the patient's morning wake-up time
  • the device 100 can calculate the travel route and expected travel time to the hospital based on the current location of the patient terminal (not shown) through linking with an external map service on the day of the reservation, and the estimated travel time can be calculated by the public. It can be calculated separately into cases of using transportation and cases of using one's own car, and if the travel route to the hospital is short, the estimated time required on foot can also be calculated and printed out through a dedicated application.
  • This travel route and estimated travel time can be continuously recalculated at predetermined intervals, for example, 30 minutes or 1 hour, and printed out through a dedicated application. It is 30 minutes longer than the maximum expected time, which is the longest of the expected travel times.
  • the device 100 calculates the remaining distance to the hospital using the GPS information of the patient terminal (not shown) 10 minutes before the appointment appointment time through a dedicated application, and if it is expected that the patient will not arrive within 10 minutes, the attending physician terminal A notification containing the estimated arrival time can be sent to (not shown), and the attending physician who confirms this will be able to utilize time efficiently by attending to other patients at the scheduled visit time.
  • the device 100 uses the patient terminal (not shown) Step (S1396) of calculating the treatment time, which is the time the patient stayed at the hospital, by receiving the time the patient arrived at the hospital for a visit and the time the patient left the hospital after receiving treatment, and making a visit reservation through a dedicated application for the treatment time.
  • a step (S1399) may be further included, which can contribute to hospital selection when making a future visit reservation by providing the patient with treatment time information for each day of the week and time zone for the hospital.
  • the time the patient arrived at the hospital for a visit and the time the patient left the hospital after receiving treatment can be determined using GPS information from the patient's terminal (not shown).
  • GPS information within a building may be less accurate, GPS information
  • a more accurate calculation of treatment time can be made possible by allowing patients to manually select the time of arrival and departure from the hospital through a dedicated application, and by giving patients a process such as an attendance check.
  • the treatment time is calculated for all patients who visit the hospital after completing a reservation through a dedicated application, there may be less learning data for calculating the treatment time at the beginning of the service of the dedicated application. In this case, the specific day of the week may be less. Patient convenience could be improved by calculating and printing the average treatment time for each time zone.
  • a visit reservation can be easily completed based on the schedule displayed on the patient calendar and the attending physician calendar on a dedicated application without a complicated and cumbersome phone reservation process.
  • the attending physician monitors the patient's personal health data and determines that a visit is necessary, a visit is recommended first and a visit appointment is made. Even though the patient feels that his or her physical condition has deteriorated, it is not a hassle. You can prevent situations where you have to postpone your visit to the hospital over and over again. In addition, it predicts hospital treatment times by day and time zone and provides them to patients.
  • the method of actively reserving a patient's visit schedule according to the second embodiment of the present invention described above can be implemented with a computer program stored in the medium according to the third embodiment of the present invention including all the same technical features, so there is no duplication.
  • all of the technical features applied to the method of actively reserving a patient's visit schedule according to the second embodiment of the present invention described above are stored in the medium according to the third embodiment of the present invention.
  • it can be equally applied to computer programs.
  • the hospital recommendation device 100 based on real-time monitoring of a patient's personal health data according to the fourth embodiment of the present invention, and more specifically, the second embodiment of the present invention, which is an embodiment of a state in which a patient-physician relationship is established.
  • the device 100 for recommending visits led by the attending physician based on real-time monitoring of the patient's personal health data according to the first embodiment or the computer program stored in the medium according to the third embodiment of the present invention, in a state where a patient-doctor relationship is not established
  • it relates to a device and method for recommending hospitals.
  • FIG. 12 is not only the overall configuration included in the device 100 for recommending a physician-led visit according to real-time monitoring of the patient's personal health data according to the first embodiment of the present invention, but is also a schematic diagram of the configuration. Therefore, since it corresponds to a drawing showing the overall configuration included in the hospital recommendation device 100 according to real-time monitoring of the patient's personal health data according to the fourth embodiment of the present invention, the same drawing is not attached again and reference is made to FIG. 12 again. Let’s continue the explanation.
  • the hospital recommendation device 100 for real-time monitoring of a patient's personal health data includes a processor 10, a network interface 20, a memory 30, a storage 40, and data connecting them. It may include a bus 50, and may be implemented as an independent device itself, or may be implemented in the form of a tangible physical service server such as an in-house system or space rental system, or an intangible cloud service server. will be.
  • the processor 10 controls the overall operation of each component.
  • the processor 10 may be a CPU (Central Processing Unit), MPU (Micro Processer Unit), MCU (Micro Controller Unit), or any of the types of processors widely known in the technical field to which the present invention pertains, and may be a machine learning model processor. Alternatively, it can be implemented with an artificial intelligence model processor, such as a deep learning model processor.
  • the processor 10 may perform calculations on at least one application or program to perform the method of recommending a hospital to establish a patient-physician relationship according to the fifth embodiment of the present invention.
  • the network interface 20 supports wired and wireless Internet communication of the hospital recommendation device 100 according to real-time monitoring of the patient's personal health data according to the fourth embodiment of the present invention, and may also support other known communication methods. Accordingly, the network interface 20 may be configured to include a corresponding communication module.
  • the memory 30 stores various information, commands, and/or information, and receives one or more computer programs from the storage 40 to perform the method of recommending a hospital to establish a patient-physician relationship according to the second embodiment of the present invention. (41) can be loaded.
  • RAM is shown as one of the memories 30, but of course, various storage media can also be used as the memory 30.
  • Storage 40 may non-temporarily store one or more computer programs 41 and large-capacity network information 42.
  • This storage 40 may be non-volatile memory such as ROM (Read Only Memory), EPROM (Erasable Programmable ROM), EEPROM (Electrically Erasable Programmable ROM), flash memory, hard disk, removable disk, or in the technical field to which the present invention pertains. It may be any of the widely known computer-readable recording media.
  • the computer program 41 is loaded into the memory 30 and causes one or more processors 10 to (A) determine the patient's PHR based on the patient's personal health record (PHR) measurement value received from the patient terminal. An operation to calculate in real time a PHR evaluation value including at least one of an abnormality score and a PHR abnormality grade, (B) an operation to determine whether the patient's PHR evaluation value calculated in real time exceeds a preset threshold, (C) As a result of the judgment of the operation (B), if it is exceeded, an operation for calculating a plurality of recommended hospitals capable of providing treatment for items related to the PHR evaluation value from the hospital information database using the location information of the patient terminal and outputting a plurality of recommended hospitals, (D) the above An operation for completing a visit reservation by receiving selection information about one of the plurality of recommended hospitals output from the patient terminal, and (E) selection information about one of the plurality of recommended hospitals output from the patient terminal. You can receive and execute an operation to register as a primary care doctor hospital that has established
  • the operation performed by the computer program 41 simply mentioned above can be viewed as a function of the computer program 41, and for a more detailed explanation, recommend a hospital to establish a patient-doctor relationship according to the fifth embodiment of the present invention. This will be explained later in the explanation of how to do this.
  • the data bus 50 serves as a path for moving instructions and/or information between the processor 10, network interface 20, memory 30, and storage 40 described above.
  • the hospital recommendation device 100 according to the real-time monitoring of the patient's personal health data according to the fourth embodiment of the present invention described above is implemented in the form of an independent device, for example, in the form of a server, it connects to it and sends personal health data.
  • the patient terminal (not shown) may be a terminal equipped with various sensors capable of measuring the patient's biosignals, and the specific type of the terminal may be any.
  • the hospital terminal does not need to measure the doctor's vital signs, it does not need to be a terminal equipped with a sensor for this purpose. Due to the nature of the work performed at the hospital, a personal desktop or laptop PC is used as the doctor's terminal. Although this is a representative example of a terminal (not shown), since there may be cases where a doctor takes the position of a patient, the case of a terminal of the same type as a patient terminal (not shown) is not excluded.
  • both the patient terminal (not shown) and the hospital terminal (not shown) are connected to the hospital recommendation device 100 according to real-time monitoring of the patient's personal health data according to the fourth embodiment of the present invention through the network to You will be provided with a method to actively reserve a visit schedule, and for this purpose, a dedicated application will be installed on both the patient terminal (not shown) and the attending physician terminal (not shown).
  • the dedicated application itself uses specific functions provided by the hospital recommendation device 100 according to real-time monitoring of the patient's personal health data according to the fourth embodiment of the present invention to the patient terminal (not shown) and the hospital terminal (not shown).
  • It can be said to be a configuration that serves as a medium to provide or receive various information from them.
  • the dedicated application herein is the attending physician-directed visit recommendation device 100 according to real-time monitoring of the patient's personal health data according to the first embodiment of the present invention described above to the medium according to the third embodiment of the present invention. It can be viewed as the same application as the dedicated application mentioned in the computer program stored in the computer program, and the patient terminal (not shown) is also the same. In the case of the hospital terminal (not shown), the present embodiment can be viewed as having the same configuration as the attending physician terminal (not shown). It is believed that there will be no problem in understanding.
  • Figure 17 is a flowchart showing representative steps of a method for recommending a hospital to establish a patient-physician relationship according to the fifth embodiment of the present invention.
  • each step is assumed to be performed by a hospital recommendation device (100, hereinafter referred to as "device") based on real-time monitoring of the patient's personal health data according to the fourth embodiment of the present invention, implemented in the form of a server.
  • a hospital recommendation device 100, hereinafter referred to as "device”
  • the patient terminal is a smart watch equipped with various sensors capable of measuring vital signs while possessing a network function
  • the hospital terminal (not shown) is a desktop PC.
  • the intelligent healthcare device 3 shown in FIG. 1 can be used as a hospital recommendation device 100.
  • the device 100 provides a real-time PHR evaluation including at least one of the patient's PHR abnormality score and PHR abnormality grade based on the patient's personal health record (PHR) measurement value received from the patient terminal. Calculate (S1710).
  • the patient's personal health data received from the patient terminal may differ depending on the sensor mounted on the patient terminal (not shown), so it is possible to receive all various types of personal health data from as many different sensors as possible.
  • receiving only the personal health data necessary for analyzing the patient's condition according to the patient's settings or the doctor's settings on the dedicated application is a shortcut to accurately analyzing the patient's condition and preventing storage space problems and adverse effects of data waste. will be.
  • the personal health data that can be measured by the patient terminal is blood pressure, body temperature, heart rate, blood sugar level, and electrocardiogram
  • the patient belongs to the diabetes risk group only blood pressure and blood sugar level can be set to receive as personal health data. There will be.
  • the patient's personal health data received from the patient terminal (not shown) is personal health data measured in real time just before transmission by the patient terminal (not shown), and information about the patient is determined according to the patient's settings on the dedicated application or the attending physician's settings, which will be described later.
  • Personal health data can be set to be measured at a certain period of time, and furthermore can be set to be measured based on certain conditions.
  • the blood sugar level is measured and sent at intervals of, for example, 1 hour, 6 hours, or 1 day, or in the latter case, the blood sugar level is measured only when the blood pressure exceeds a certain level, for example.
  • the latter can be used more usefully when the personal health data that can be used to analyze the condition of a patient with a certain disease or illness is related to each other.
  • the device 100 calculates a PHR evaluation value including one or more of the patient's PHR abnormality score and PHR grade in real time based on personal health data measurements received from the patient terminal (not shown).
  • the patient's PHR abnormality score and PHR grade are the same as the previous explanation, so detailed descriptions are omitted to prevent duplicate descriptions. Since it is sufficient for the PHR evaluation value to include at least one of the PHR abnormality score and PHR grade, the PHR abnormality score and PHR grade are the same as the previous explanation. It is possible to calculate only the score, only the PHR grade, or both.
  • the calculation speed can be improved by implementing the processor 10 included in the device 100 as a processor capable of parallel processing or as a multiprocessor. I would say it is possible.
  • the device 100 determines whether the patient's PHR evaluation value calculated in real time exceeds a preset threshold (S1720).
  • the preset threshold may vary depending on the type of personal health data received in the previous step S1710. If the PHR evaluation value includes only the PHR or higher score, the threshold value is the score and the PHR evaluation value includes only the PHR or higher score. In this case, the threshold may be set to a grade, and if it includes both, the threshold may be set to a score and a grade.
  • the threshold value can be set individually by the attending physician depending on the patient on the dedicated application, even if it is the same type of PHR evaluation value.
  • patient A is a patient with high blood pressure
  • patient B is a patient with diabetes.
  • the blood pressure value is more important for hypertensive patients than the blood pressure value for diabetic patients (for diabetic patients, blood sugar level is the most important personal health data)
  • the blood pressure threshold for a patient can be set lower than the blood pressure threshold for a diabetic patient.
  • the preset threshold is the standard for deciding whether or not to visit the hospital, which will be described later, so it is at a risk level or at least cautioned. It should be set as a standard to determine the level of achievement.
  • step S1710 and S1720 described above are the same as the descriptions of steps S1310 and S1320 described above, and the description of step S1730 below is a description of starting the hospital recommendation process in earnest due to the patient-physician relationship not being established. It would be said that it corresponds to .
  • the device 100 uses the location information of the patient terminal (not shown) to select a recommended hospital that can provide treatment for items related to the PHR evaluation value. Calculate from the database and output multiple numbers (S1730).
  • the recommended hospital that can provide treatment for items related to the PHR evaluation value refers to a hospital that provides treatment for personal health data measurements that are the basis for calculating the PHR evaluation value and diseases or diseases related to them.
  • a hospital that provides treatment for personal health data measurements that are the basis for calculating the PHR evaluation value and diseases or diseases related to them.
  • the health data measurement value is blood sugar level
  • the internal medicine clinic that can provide treatment related to high blood pressure can be output as a recommended hospital.
  • member hospitals that have completed membership registration in the dedicated application can be printed with priority over hospitals that are not members. This is to encourage hospitals to sign up for membership, and in some cases, such as in the United States, if the hospital applicable to the medical insurance is different depending on the type of medical insurance held by the individual patient, recommended hospitals may be printed taking this into account. , this will also be able to print member hospitals that have completed membership registration in the dedicated application with priority over hospitals that are not members.
  • the member hospital that has completed membership registration in the dedicated application has nothing to do with whether or not they paid the fee to become a member. However, if the fee is paid, it includes the member hospital that did not pay the fee and the non-member hospital that did not pay the fee. It can be said that printing with more priority than in the case of , corresponds to an operation method that suits the purpose of the service.
  • the method of recommending a hospital to establish a patient-physician relationship involves the device 100 recommending a hospital, separately from including an explanation of step S1730, the patient terminal (not shown)
  • the patient terminal (not shown)
  • member hospitals that have completed membership registration in the dedicated application will be printed with priority over hospitals that are not members.
  • the processor 10 of the device 100 may include a deep learning natural language processing model that analyzes the search sentence entered by the patient, for example, “rating is 70 points or higher,” “specialized in hypertension,” etc. If you enter things like “hospital with short waiting time” or “hospital with many reviews,” the deep learning model will analyze this, create search conditions, and then perform a search using those conditions, rather than the patient entering a search sentence. It will work in the same way if you enter the word you want to search for.
  • a deep learning natural language processing model that analyzes the search sentence entered by the patient, for example, “rating is 70 points or higher,” “specialized in hypertension,” etc. If you enter things like “hospital with short waiting time” or “hospital with many reviews,” the deep learning model will analyze this, create search conditions, and then perform a search using those conditions, rather than the patient entering a search sentence. It will work in the same way if you enter the word you want to search for.
  • the hospital search is performed in the hospital information database (not shown), and we return to the description of step S1730 to explain the hospital information database (not shown).
  • the hospital information database may include both information about member hospitals (including both paid and free) that have completed membership registration in a dedicated application and information about hospitals that are not members, and includes information about member hospitals and members.
  • Information about the hospital other than this includes the hospital name, address, hospital's latitude/longitude, hospital's email address, hospital website, hospital's treatment areas, hospital's specialties, information about doctors working at the hospital, hospital's treatment hours, It may include one or more of the following: information about the hospital's clinic hours by day and time, type of medical insurance applied, hospital reviews, hospital rating, and hospital hashtag.
  • Information on the hospital's treatment hours, hospital's treatment hours by day and time zone, and types of medical insurance applied are generally posted by the hospital on the portal site, so they can be collected relatively easily through crawling, but the hospital's reviews , information about the hospital's rating and the hospital's hashtag needs to be treated a little differently.
  • the reviews can be entered directly by patients corresponding to the user or collected through crawling, and in the case of hospital ratings, reviews that have not been directly entered or given a rating by the patients corresponding to the user can be collected through deep learning.
  • the device 100 Using a natural language processing model, the device 100 will be able to analyze reviews on its own and automatically assign a rating.
  • the device 100 can automatically extract and create a keyword extract from hospital reviews and hospital information using a deep learning natural language processing model, and can be used when a patient searches for a hospital or filters whether conditions match. It can be utilized and automatically updated based on collected reviews.
  • the device 100 can periodically update the hospital information database (not shown) by importing authorized hospital information through linkage with an external public hospital information system, for example, the Health Insurance Review and Assessment Service in Korea.
  • hospital information can be automatically collected through crawling, or administrators can collect and build information manually.
  • a hospital information database (not shown) will often contain only basic information about the hospital, such as hospital name, address, phone number, and treatment subjects, so additional information such as hospital reviews can be collected through crawling technology. It will be updated, and information about the hospital's latitude/longitude can be found using the geocoding technique using the hospital's address information.
  • Crawling which is a method related to building a hospital information database (not shown) described above, is used to build a hospital information database (not shown) in cases where linkage with the public hospital information system is impossible, in addition to collecting and updating hospital reviews or other additional information. Since this can be done, it should be called smart crawling accordingly.
  • hospital information database If it is impossible to connect with the public hospital information system and build a hospital information database (not shown), information on hospitals in the country can be collected through smart crawling. More specifically, "hospitals" can be collected through smart crawling. , collect only hospital-related data using hospital-related keywords such as “clinic,” “medical center,” etc., and then analyze it through a deep learning natural language processing model to check whether the hospital information is correct. If the deep learning model determines that it is not hospital information, the data is discarded. If it determines that the hospital information is correct, basic information such as hospital name, hospital address, phone number, email, etc. is extracted from the crawling data. Next, hospital name, address, etc. Search the hospital information database (not shown) using and, if the hospital does not already exist in the database, store it as a new hospital in the hospital information database.
  • Smart crawling like this is also used to update the latest information about the hospital.
  • the hospital's homepage is periodically crawled using the homepage URL recorded in the database.
  • Basic information such as name, email, phone number, address, and medical department is automatically updated, and if the hospital address changes, the latitude/longitude is also updated to match the new address.
  • the device 100 updates the changed address by sending an email requesting confirmation of the homepage address change to the email address recorded in the hospital information database (not shown). If the email address is changed (including when there is no email address) and the email cannot be sent, the information is changed to unconfirmed and the administrator of the device 100 can manually update it later.
  • reviews are unreliable, so they are crawled from sites other than the hospital's official website, such as map services, other blogs, and communities.
  • reviews can be analyzed using a deep learning natural language processing model (sentiment analysis model) to give a rating.
  • sentence analysis model sentence analysis model
  • the rating is calculated and given from 1 to 100, with the higher the positivity, the closer to 100.
  • the final rating is the rating given directly by the patient and the device 100 reviews through a deep learning model. It can be calculated as the average of the automatically assigned ratings.
  • a separate deep learning natural language processing model is used to calculate the similarity between previously collected reviews and newly collected reviews. If the newly collected reviews have a similarity close to 1 with existing reviews, Newly collected reviews may be discarded without being reflected.
  • a membership registration information email may be sent to the email address containing the information crawled by the device 100.
  • the hospital information database (not shown) described above may be a configuration included in the device 100. However, since problems with storage space may occur due to the large amount of data, it is preferable to implement it on an external server if possible, but it must be implemented in an external server. This is not intended to be limiting.
  • the device 100 receives selection information about one of the plurality of recommended hospitals output from the patient terminal (not shown) to make a visit reservation. Complete (S1740).
  • step S1740 the visit reservation is completed in step S1740, but this is the same as the description of steps S1340 to S1360 in the method of actively reserving a patient's visit schedule according to the second embodiment of the present invention.
  • the process of sending the visit schedule and sending selection information between the patient terminal (not shown) and the hospital terminal (not shown) may be repeated, and the final scheduled visit schedule is posted on both the patient calendar and the hospital calendar. It can be displayed and output.
  • step S1740 although the visit reservation has been completed, the hospital will not be able to receive the patient's personal health data without the patient's consent because the patient-physician relationship has not yet been established. Accordingly, the device will not be able to receive the patient's personal health data after step S1740.
  • a step (S1745) of receiving from a patient terminal (not shown) may be performed, and if consent information is not received, only the information that the patient enters on the dedicated application through the patient terminal (not shown) may be performed on the hospital terminal (not shown). ) will be able to receive it.
  • the device 100 receives selection information about one of the plurality of recommended hospitals output from the patient terminal (not shown) and registers it as the attending hospital with which a patient-doctor relationship is established for the patient (S1750), It is also possible to receive selection information about one or more doctors working at a hospital registered as the attending hospital from the patient terminal (not shown) and register them as the attending physician with whom the patient has established a patient-doctor relationship (S1760).
  • Steps S1750 and S1760 can be viewed as steps to establish a patient-doctor relationship. More specifically, step S1750 can be viewed as a step to register a relationship with the attending hospital or regular hospital, and step S1760 can be viewed as a step to register a relationship with the attending physician. It can be seen as a patient-doctor relationship that includes everyone.
  • steps S1750 and S1760 of establishing a patient-physician relationship were explained after step S1740 of completing the visit reservation, but the temporal order is not necessarily so, and the patient can select one of the recommended hospitals regardless of the visit reservation.
  • a patient-physician relationship can be freely established for hospitals that patients search for themselves. This can be said to be the same explanation for the cancellation of a patient-physician relationship once established.
  • a patient-physician relationship may be established through steps S1750 and S1760 described above, and thereafter, the hospital terminal (not shown) receives one of the Chinese character personal health data measurements and the calculated PHR evaluation value from the device 100.
  • the hospital terminal receives one of the Chinese character personal health data measurements and the calculated PHR evaluation value from the device 100.
  • the above can be received, and with regard to subsequent visit reservations, the method of actively reserving the patient's visit schedule according to the second embodiment of the present invention described above is performed.
  • the device 100 easily recommends a hospital optimized for the patient by simply sending the patient's personal health data measurements, so that the patient can become a regular hospital Alternatively, setting up a primary care physician can be easily accomplished. Additionally, in consideration of the difficulty of retrieving information about an appropriate hospital, the device 100
  • the method of recommending a hospital to establish a patient-physician relationship according to the fifth embodiment of the present invention described above can be implemented with a computer program stored in a medium according to the sixth embodiment of the present invention including all the same technical features. Although it will not be described in detail to prevent redundant description, all technical features applied to the method of recommending a hospital to establish a patient-physician relationship according to the fifth embodiment of the present invention described above, as well as the medium according to the sixth embodiment of the present invention Of course, the same can be applied to computer programs stored in .
  • intelligent healthcare device (3) attending physician-led visit recommendation device (100) based on real-time monitoring of the patient's personal health data
  • hospital recommendation device (100) based on real-time monitoring of the patient's personal health data
  • IPCA Intelligent Proactive Conversational Agent
  • IPCA leads the various processes described above, performs various functions, and can contribute to users (including both patients and doctors) using the present invention more easily and conveniently, so that the user can first request a conversation.
  • it monitors the user's current status, including PHR, and the external environment around the user, such as weather and temperature.
  • PHR the user's current status
  • the external environment around the user such as weather and temperature.
  • agent- You can initiate conversation.
  • an abnormal PHR signal is detected, a change in the surrounding environment such as a change of seasons, or other important events occur, a conversation can be actively started with the user in order to collect (questionnaire) information about the user's health and deliver information.
  • IPCA client a function included in the dedicated application installed on the user terminal, and not only through text, but also through voice using TTS (Text-to-speech) and STT (Speech-to-Text) technology. Conversation is possible. Additionally, the IPCA client can provide psychological stability and trust to the user by communicating with the user through a virtual agent (avatar) in the appearance of a doctor.
  • avatar virtual agent
  • IPCA IPCA needs to obtain information or receive an answer from the user, it provides options in the form of multiple choice to make it easier for the user to make a choice. In addition, even when a subjective answer is required, examples can be provided to help users answer more easily.
  • IPCA question breakdown occurs
  • a detailed additional explanation or example answer can be automatically provided. This is an essential function, especially given the nature of healthcare, which involves a lot of medical terminology.
  • the IPCA server which is the engine for IPCA implementation, not only includes an interface function with the platform's monitoring engine to monitor the user's status and external environment, but also includes an interface function for analyzing questions, commands, or answers given by the user. It may have a built-in deep learning natural language processing model.
  • This engine allows IPCA to first understand the intention of what the user intends to do with respect to the user input, where the user's intention is 1 question/information inquiry, 2 answer to PCA's previous (subject) question. , 3 Commands to perform functions, 4 Others (if the intention is not clear, talking to oneself, complaining, etc.). A detailed content analysis is performed depending on the intention.
  • the user's intention is to 1 question/information inquiry, it can be divided into inquiry of information/data within the platform (patient's PHR information, patient's reservation information, platform function inquiry, etc.) and general question/information search.
  • the user's input can be used as search conditions to search on the platform, then the query can be performed and the results can be notified to the user.
  • the deep learning model for generating search conditions provided by the platform is used to create search conditions based on user-entered content, and this model is automatically learned based on user feedback.
  • the intention is to search for general questions/information that cannot be answered from the information/data within the platform, inform the user that they are searching on the web because the question cannot be answered on the platform, and search the entered information using an external search engine such as Google. You can display an external page for results.
  • the user's intention is to answer a previous (subject) question in 2 PCA, it is determined whether it is an appropriate answer to the question.
  • This also uses a deep learning model, and the question-answer relevance (0 to 1) is 0.5.
  • hints or answer examples can be given to encourage the user to provide more accurate answers/information (for example, if IPCA asks how many hours a week the user exercises, and the user answers that they are type A, it is 3 hours or 2 hours. Please answer in the following format: time 30 minutes).
  • a message may be displayed encouraging the user to enter more specific information.
  • IPCA IPCA subjective questions
  • the user if the intention of the content entered immediately next by the user is not 2 an answer, but 1 a question/information inquiry or 3 a function performance command, the user is asked to provide an accurate answer in order to continue a continuous conversation with the user. Without requesting it, after performing the action corresponding to 1 question/information inquiry or 3 function performance command, the user can be asked the original question again.
  • IPCA asks the user an open-ended question, it can track whether or not the answer has been answered. there is.
  • IPCA IP-based medical record et al.
  • the present invention in the field of healthcare services can provide significant convenience to users, and in the well-known paper Cartreine et al., 2010; As revealed in Dayan et al., 2007, Locke et al., 1992, Richman et al., 1999, when people have to disclose sensitive information to others, they are more likely to have privacy concerns and fear of negative evaluation than in person. Since these adversaries tend to be more comfortable with computer agents, there is no doubt that IPCA can produce optimal results when applied to the present invention.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Bioethics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

인공지능 기반의 디지털 헬스케어 장치 및 그를 위한 컴퓨터-구현 방법가 개시된다. 본 발명에 따른 컴퓨터-구현의 지능형 헬스케어 방법은, 사용자의 사용자 인증 정보를 이용하여, 상기 사용자의 생체 신호를 측정하기 위한 제1 디바이스의 디바이스 정보를 등록하는 단계, 상기 생체 신호에 대해 설정된 측정 주기 이내에 상기 제1 디바이스로부터 생체 데이터 - 상기 생체 데이터는 상기 생체 신호의 측정값을 포함함 - 가 수집되었는지 여부를 판정하는 단계, 및 상기 측정 주기 이내에 상기 생체 데이터가 상기 제1 디바이스로부터 미수신된 것으로 판정 시, 상기 제1 디바이스 및 제2 디바이스 - 상기 제2 디바이스는 상기 지능형 헬스케어 장치와의 커뮤니케이션이 가능한 상기 사용자의 통신 단말기임 - 중 적어도 하나에게, 상기 제1 디바이스를 이용한 상기 생체 신호의 측정을 상기 사용자에게 독려하기 위한 측정 요청을 전송하는 단계를 포함한다.

Description

인공지능 기반의 디지털 헬스케어 장치 및 그를 위한 컴퓨터-구현 방법
본 발명은 인공지능 기반의 디지털 헬스케어 장치 및 그를 위한 컴퓨터-구현 방법에 관한 것으로서, 보다 상세하게는 사용자 디바이스로부터 개인의 건강 관련 데이터를 효과적으로 수집 및 관리하고, 인공지능 기반의 모델을 이용하여 개인의 건강 상태를 자동 분석 및 모니터링하여 개인의 건강 관리를 지원하는 기술에 관한 것이다.
세계적으로 원격 진료를 비롯한 비대면 의료 서비스에 대한 수요 및 개인의 건강 관리에 대한 관심은 최근의 코로나 펜데믹을 기폭제로 하여 큰 폭으로 증가하고 있으며, 혈압, 심박수, 심전도(ECG), 체성분 등과 같은 여러 종류의 센체 신호를 간편하고 신속히 측정 가능한 다양한 측정 장치(예, 웨어러블 디바이스로의 스마트 워치)의 보급이 확산되고 있다.
생체 신호의 측정 기술에 있어서도 비약적인 발전이 진행됨에 따라, PGHD(Patient-Generated Health Data) 또는 PHR(Personal Health Record)라고도 불리우는 생체 데이터(개인 건강 데이터)의 생성과 관리 또한 과거에 비해 용이해지고 있다.
하지만, 개인에 의해 또는 개인으로부터 측정(수집)된 개인 건강 데이터는 단순히 그 개인의 건강 상태와 관련된 지극히 단편적 수준의 정보를 제공하는 역할에 머무르고 있다. 상당수의 개인들은 자신의 건강 상태에 심각한 이상이 있음을 자각 가능한 수준이 아닌 경우 병원 내방이나 의사 진료와 같은 적극적인 건강 관리를 소홀히 하게 되어, 건강 관리의 적정 시기를 놓쳐 건강이 급격히 악화되는 경우도 다반사이다. 개인이 자신의 건강 관리에 실패하게 되는 대표적인 이유를 몇 가지 예로 들자면, 장기적 이용을 통해 의료적 신뢰가 쌓인 병원(주치의)의 부재, 적절한 병원에 대한 정보 검색의 어려움이나 귀찮음, 전화 등을 통한 예약 과정의 번거로움 등이 있다.
본 발명은, 상기와 같은 문제점을 해결하기 위해 안출된 것으로서, 생체 신호의 종류별로 정기적 또는 비정기적인 적정 측정 주기를 설정하여, 사용자가 자신의 생체 신호를 측정하도록 사용자를 유도하는 인공지능 기반의 디지털 헬스케어 장치 및 그를 위한 컴퓨터-구현 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은 적어도 하나의 제1 디바이스로부터 사용자별 생체 신호의 측정값을 자동 수집하고, 인공지능 기반의 로직을 통해 수집된 생체 신호의 시계열을 분석하고 그 패턴을 학습함으로써, 사용자별 건강 이상 징후(가능성)를 모니터링하는 인공지능 기반의 디지털 헬스케어 장치 및 그를 위한 컴퓨터-구현 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은 건강 이상 징후가 있다고 판정된 사용자의 개인 건강 데이터(또는 그 분석 결과)를 임의의 의료진(예, 병원, 주치의)에게 통지하는 인공지능 기반의 디지털 헬스케어 장치 및 그를 위한 컴퓨터-구현 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은, 사용자별 생체 데이터의 수집 과정과 병행하여 사용자별 통신 단말기(예, 휴대폰)와의 커뮤니케이션을 통해 문진 정보를 수집하고, 수집된 문진 정보를 처리하여 생체 데이터의 시계열 데이터에 기초한 건강 이상 징후를 검증하거나 생체 신호의 측정 주기를 수정하는 용도로 활용하는 인공지능 기반의 디지털 헬스케어 장치 및 그를 위한 컴퓨터-구현 방법을 제공하는 것을 목적으로 한다.
본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구범위에 나타난 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명의 일 측면에 따른 컴퓨터-구현의 지능형 헬스케어 방법은, 사용자의 사용자 인증 정보를 이용하여, 상기 사용자의 생체 신호를 측정하기 위한 제1 디바이스의 디바이스 정보를 등록하는 단계, 상기 생체 신호에 대해 설정된 측정 주기 이내에 상기 제1 디바이스로부터 생체 데이터 - 상기 생체 데이터는 상기 생체 신호의 측정값을 포함함 - 가 수집되었는지 여부를 판정하는 단계, 및 상기 측정 주기 이내에 상기 생체 데이터가 상기 제1 디바이스로부터 미수신된 것으로 판정 시, 상기 제1 디바이스 및 제2 디바이스 - 상기 제2 디바이스는 상기 지능형 헬스케어 장치와의 커뮤니케이션이 가능한 상기 사용자의 통신 단말기임 - 중 적어도 하나에게, 상기 제1 디바이스를 이용한 상기 생체 신호의 측정을 상기 사용자에게 독려하기 위한 측정 요청을 전송하는 단계를 포함한다.
상기 디바이스 정보를 등록하는 단계는, 상기 제1 디바이스의 디바이스 정보에 상기 사용자 인증 정보가 결합된 접속 토큰을 상기 제1 디바이스에게 발급하는 단계를 포함할 수 있다. 상기 접속 토큰은, 상기 제1 디바이스에 의한 상기 생체 신호의 측정값에 대한 암호화에 이용되는 것이다.
상기 컴퓨터-구현의 지능형 헬스케어 방법은, 상기 접속 토큰에 의해 암호화된 상태로 상기 제1 디바이스로부터 수신된 상기 생체 데이터를 수신 시, 상기 접속 토큰의 유효성을 판정하는 단계, 상기 접속 토큰이 유효한 것으로 판정 시, 상기 접속 토큰에 대응하는 복호화 키를 이용하여, 상기 제1 디바이스로부터 수신된 상기 생체 데이터를 복호화하는 단계 및 복호화된 상기 생체 데이터를 이용하여 상기 사용자의 제1 개인 건강 시계열 데이터 셋 - 상기 제1 개인 건강 시계열 데이터 셋은 상기 측정값의 경시적인 변화 이력을 포함함 - 을 갱신하는 단계를 더 포함할 수 있다.
상기 컴퓨터-구현의 지능형 헬스케어 방법은, 상기 제1 개인 건강 시계열 데이터 셋 및 외부 환경 정보 중 적어도 하나를 기초로, 상기 생체 신호에 대해 설정된 상기 측정 주기를 수정하는 단계를 더 포함할 수 있다.
상기 컴퓨터-구현의 지능형 헬스케어 방법은, 상기 제1 개인 건강 시계열 데이터 셋을 처리하기 위한 인공지능 모델을 생성하는 단계 및 상기 인공지능 모델을 이용하여, 상기 제1 개인 건강 시계열 데이터 셋을 기초로, 상기 사용자의 건강 상태에 연관된 이상 점수를 산출하는 단계를 더 포함할 수 있다.
상기 인공지능 모델을 생성하는 단계는, 상기 생체 신호에 대해 정해진 적어도 하나의 정상 범위와 상기 제1 개인 건강 시계열 데이터 셋에 포함된 적어도 하나의 측정값 간의 비교를 수행하여, 상기 생체 신호에 관련된 제1 점수를 출력하는 제1 모델을 생성하는 단계, 상기 사용자 외의 복수의 개인으로부터 기 취득된 상기 생체 신호에 대한 복수의 참조 건강 시계열 데이터 셋으로 학습된 것으로서, 상기 제1 개인 건강 시계열 데이터 셋을 처리하여 상기 생체 신호에 관련된 제2 점수를 출력하는 제2 모델을 생성하는 단계, 상기 제1 개인 건강 시계열 데이터 셋으로 학습된 것으로서, 상기 제1 개인 건강 시계열 데이터 셋을 처리하여 상기 생체 신호에 관련된 제3 점수를 출력하는 제3 모델을 생성하는 단계, 및 상기 제1 점수, 상기 제2 점수 및 상기 제3 점수의 가중 평균을 상기 이상 점수로서 출력하도록, 상기 제1 모델, 상기 제2 모델 및 상기 제3 모델을 조합하는 단계를 포함할 수 있다.
상기 제2 모델을 생성하는 단계는, 상기 복수의 참조 건강 시계열 데이터 셋 - 상기 복수의 참조 건강 시계열 데이터 셋에 포함된 각 측정값은 정상 측정값 또는 이상 측정값으로 구분됨 - 를 이용한 지도 학습(supervised learning)을 통해 제1 후보 모델을 생성하는 단계, 상기 복수의 참조 건강 시계열 데이터 셋의 이상 측정값의 비율이 제1 기준 비율 이상이고 제2 기준 비율 미만인 경우, 상기 복수의 참조 건강 시계열 데이터 셋의 정상 측정값에 대한 다운 샘플링 및 이상 측정값에 대한 업 샘플링 중 적어도 하나의 실행을 통해 상기 복수의 참조 건강 시계열 데이터 셋을 가공하고, 상기 가공된 복수의 참조 건강 시계열 데이터 셋을 이용한 지도 학습을 통해 제2 후보 모델을 생성하는 단계, 상기 복수의 참조 건강 시계열 데이터 셋의 이상 측정값의 비율이 상기 제1 기준 비율 미만인 경우, 상기 복수의 참조 건강 시계열 데이터 셋의 정상 측정값만을 이용한 비지도 학습(unsupervised learning)을 통해 제3 후보 모델을 생성하는 단계, 제1 테스트 데이터 셋을 이용하여 상기 제1 후보 모델, 상기 제2 후보 모델 및 상기 제3 후보 모델 각각의 성능을 평가하는 단계, 및 상기 제1 후보 모델, 상기 제2 후보 모델 및 상기 제3 후보 모델 중 가장 높은 성능을 갖는 것으로 평가된 어느 하나를 상기 제2 모델로 선택하는 단계를 포함할 수 있다.
상기 제3 모델을 생성하는 단계는, 상기 제1 개인 건강 시계열 데이터 셋을 이용한 지도 학습(supervised learning)을 통해 제4 후보 모델을 생성하는 단계, 상기 제1 개인 건강 시계열 데이터 셋의 이상 측정값의 비율이 제3 기준 비율 이상이고 제4 기준 비율 미만인 경우, 상기 제1 개인 건강 시계열 데이터 셋의 정상 측정값에 대한 다운 샘플링 및 이상 측정값에 대한 업 샘플링 중 적어도 하나의 실행을 통해 상기 제1 개인 건강 시계열 데이터 셋을 가공하고, 상기 가공된 제1 개인 건강 시계열 데이터 셋을 이용한 지도 학습을 통해 제5 후보 모델을 생성하는 단계, 상기 제1 개인 건강 시계열 데이터 셋의 이상 측정값의 비율이 상기 제3 기준 비율 미만인 경우, 상기 제1 개인 건강 시계열 데이터 셋의 정상 측정값만을 이용한 비지도 학습을 통해 제6 후보 모델을 생성하는 단계, 제2 테스트 데이터 셋을 이용하여 상기 제4 후보 모델, 상기 제5 후보 모델 및 상기 제6 후보 모델 각각의 성능을 평가하는 단계, 및 상기 제4 후보 모델, 상기 제5 후보 모델 및 상기 제6 후보 모델 중 가장 높은 성능을 갖는 것으로 평가된 어느 하나를 상기 제3 모델로 선택하는 단계를 포함할 수 있다.
상기 제1 모델, 상기 제2 모델 및 상기 제3 모델을 조합하는 단계는, 상기 제1 개인 건강 시계열 데이터 셋에 기록된 측정값의 개수에 따라 제1 가중치, 제2 가중치 및 제3 가중치를 조정하는 단계를 포함할 수 있다. 상기 제1 가중치, 상기 제2 가중치 및 상기 제3 가중치의 합은 1이고, 상기 제1 개인 건강 시계열 데이터 셋에 기록된 측정값의 개수가 기준 개수만큼 증가할 때마다, 상기 제1 가중치는 제1 범위 이내에서 제1 조정값만큼 감소하고, 상기 제2 가중치는 제2 범위 이내에서 제2 조정값만큼 감소하고, 상기 제3 가중치는 제3 범위 이내에서 제3 조정값만큼 증가할 수 있다.
상기 컴퓨터-구현의 지능형 헬스케어 방법은, 상기 사용자에 대한 문진이 필요한 것으로 판정되는 경우, 상기 사용자에게 제시할 디지털 문진표 - 상기 디지털 문진표는 복수의 문진 항목을 포함하며, 각 문진 항목은 객관식 또는 주관식임 - 를 생성하는 단계, 상기 제2 디바이스에 설치된 지능형 능동 대화 에이전트를 호출하기 위해, 상기 디지털 문진표에 대한 문진 진행 요청을 상기 제2 디바이스에게 전송하는 단계, 상기 지능형 능동 대화 에이전트와의 인터랙션을 통해 상기 제2 디바이스로부터 상기 디지털 문진표에 대한 문진 결과를 수신하는 단계 및 상기 문진 결과를 처리하여 상기 사용자의 제2 개인 건강 시계열 데이터 셋 - 상기 제2 개인 건강 시계열 데이터 셋은 상기 생체 신호와는 다른 적어도 하나의 건강 관련 항목의 경시적인 변화 이력을 포함함 - 을 갱신하는 단계를 더 포함할 수 있다.
본 발명의 실시예들 중 적어도 하나에 의하면, 생체 신호의 종류별로 정기적 또는 비정기적인 적정 측정 주기를 설정하여, 사용자가 자신의 생체 신호를 측정하도록 사용자를 유도할 수 있다. 이에 따라, 자신의 생체 신호를 언제 얼마나 측정해야 하는지 일일이 기억해야 하는 사용자의 번거로움을 해소할 수 있다.
또한, 본 발명의 실시예들 중 적어도 하나에 의하면, 적어도 하나의 제1 디바이스로부터 사용자별 생체 데이터(생체 신호의 측정값 포함)을 자동 수집하고, 인공지능 기반의 로직을 통해 수집된 생체 신호의 시계열을 분석하고 그 패턴을 학습함으로써, 사용자별 건강 이상 징후(가능성)를 모니터링할 수 있다. 이러한 건강 이상 징후는 병원 내원 또는 원격 진료 시에 병원(의사)에 제공됨으로써, 병원(의사)에 의한 진료 정확성이 유지 또는 향상되면서도 진료 시간은 대폭 단축될 수 있다.
또한, 본 발명의 실시예들 중 적어도 하나에 의하면, 사용자별 생체 데이터의 수집 과정과 병행하여 사용자별 통신 단말기(예, 휴대폰)와의 커뮤니케이션을 통해 문진 정보를 수집하고, 수집된 문진 정보를 처리하여 생체 신호의 시계열 데이터에 기초한 건강 이상 징후를 검증하거나 생체 데이터의 측정 주기를 수정하는 용도로 활용할 수 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 후술되는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니 된다.
도 1은 본 발명에 따른 원격 헬스케어 시스템의 구성을 예시적으로 나타낸 도면이다.
도 2는 도 1에 도시된 지능형 헬스케어 장치의 구성을 예시적으로 나타낸 도면이다.
도 3은 도 1에 도시된 지능형 헬스케어 장치에 사용자 디바이스를 등록하기 위한 방법을 예시적으로 나타낸 순서도이다.
도 4 내지 도 6은 제1 디바이스로부터 생체 신호의 측정값을 수집하는 방법을 예시적으로 나타낸 순서도이다.
도 7은 도 1에 도시된 지능형 헬스케어 장치가 사용자 디바이스와의 인터랙션을 통해 사용자 문진 정보를 수집하기 위한 방법을 예시적으로 나타낸 순서도이다.
도 8은 도 1에 도시된 지능형 헬스케어 장치에 의해 실행되는 생체 신호의 종류별 측정 주기를 수정하는 방법을 예시적으로 설명하는 순서도이다.
도 10은 도 9을 참조하여 전술된 제2 모델을 생성하는 방법을 예시적으로 나타낸 순서도이다.
도 11은 도 9을 참조하여 전술된 제3 모델을 생성하는 방법을 예시적으로 나타낸 순서도이다.
도 12는 본 발명의 제1 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 주치의 주도적 내원 권유 장치 또는 본 발명의 제4 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 병원 추천 장치가 포함하는 전체 구성을 나타낸 도면이다.
도 13은 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법의 대표적인 단계를 나타낸 순서도이다.
도 14는 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법에 있어서, S1340 단계를 구체화한 순서도이다.
도 15는 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법에 있어서, S1360 단계 이후에, 개인 건강 데이터의 측정 요청과 관련된 추가 실시 예를 더 포함하고 있는 순서도이다.
도 16은 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법에 있어서, S1360 단계 이후에, 진료 시간 산정과 관련된 추가 실시 예를 더 포함하고 있는 순서도이다.
도 17은 본 발명의 제4 실시 예에 따른 환자-주치의 관계를 맺을 병원을 추천하는 방법의 대표적인 단계를 나타낸 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
한편, 본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.
본 명세서에서 사용되는 "포함한다 (comprises)" 및/또는 "포함하는 (comprising)"은 언급된 구성 요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성 요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
도 1은 본 발명에 따른 원격 헬스케어 시스템의 구성을 예시적으로 나타낸 도면이고, 도 2는 도 1에 도시된 인공지능 기반의 디지털 헬스케어 장치의 구성을 예시적으로 나타낸 도면이다.
도 1을 참조하면, 원격 헬스케어 시스템(10)은, 적어도 하나의 사용자 디바이스(1), 적어도 하나의 의료인 디바이스(2) 및 인공지능 기반의 디지털 헬스케어 장치(3, 이하 '지능형 헬스케어 장치'라고 칭함)를 포함한다. 지능형 헬스케어 장치(3)는 외부 서버나 플랫폼의 형태로 제공될 수 있다. 본 발명에 따른 원격 헬스케어 시스템(10)은 다수의 사용자와 다수의 의료인이 의료 소비자와 의료 제공자로서 참여 가능하며, 이하에서는 설명의 편의를 위해 사용자와 의료인 각각은 1인 단독이라고 가정하기로 한다.
사용자 디바이스(1)는, 제1 디바이스(1a), 제2 디바이스(1b) 또는 제3 디바이스(1c)로 구분될 수 있다.
제1 디바이스(1a)는, 적어도 1종 이상의 생체 신호를 측정하고, 생체 신호의 측정값을 저장하도록 구성되는 측정 디바이스(예, POCT(point of care testing) 장비)이다. 생체 신호로는 예컨대, 혈압, 혈압, 심박수, 심전도, 혈당, 체성분 등이 있다. 임의의 사용자는, 2 이상의 제1 디바이스(1a)를 이용하여 2종 이상의 생체 신호를 동시적으로 또는 이시적으로 측정할 수 있다. 생체 신호의 측정값(PHR(personal health recored)이라고 지칭될 수도 있음)은 생체 신호 자체의 특성(예, 세기)는 물론 생체 신호의 측정이 이루어진 일시 및/또는 위치(예, GPS 정보)를 더 포함할 수 있다. 제1 디바이스(1a)는, 인터넷 등 유무선 네트워크를 통해 사용자별 생체 신호의 측정값을 지능형 헬스케어 장치(3)에게 전송할 수 있다.
제2 디바이스(1b)는, 인터넷 등 유무선 네트워크를 통해 지능형 헬스케어 장치(3)에 접속되어, 지능형 헬스케어 장치(3)와 양방향 커뮤니케이션을 수행하는 통신 단말기이다. 제2 디바이스(1b)는, 생체 신호 외에 사용자별 건강과 관련된 데이터를 지능형 헬스케어 장치(3)에게 전송하고, 지능형 헬스케어 디바이스로부터 사용자의 건강 관리에 관련된 데이터를 수신할 수 있다.
제1 디바이스(1a) 및 제2 디바이스(1b) 중 적어도 하나에는 지능형 능동 대화 에이전트가 설치될 수 있다. 지능형 능동 대화 에이전트는 IPCA(Intelligent Proactive Conversational Agent)라고 지칭될 수 있으며, 인공지능 기반으로 실행되어 지능형 헬스케어 장치(3)에 의해 제공되는 건강 관리 서비스를 사용자가 편리하게 이용할 수 있도록 지원하는 챗봇의 일종이다.
제3 디바이스(1c)는 스마트 워치와 같이 생체 신호의 측정 기능 및 지능형 헬스케어 장치(3)와의 커뮤니케이션 기능을 둘 다 구비한 사용자 디바이스의 일종으로서, 이 경우 후술된 제1 디바이스(1a)와 제2 디바이스(1b)는 제3 디바이스(1c)를 지칭하는 것일 수 있다.
의료인 디바이스(2)는, 후술된 주치의 단말을 포괄하는 것으로서, 인터넷 등 유무선 네트워크를 통해 지능형 헬스케어 장치(3)에 접속되어, 지능형 헬스케어 장치(3)와 양방향 커뮤니케이션을 수행한다. 의료인 디바이스(2)는, 지능형 헬스케어 장치(3)로부터 제공된 사용자별 개인 건강 데이터(또는 그 분석 결과)를 그래픽 유지 인터페이스에 표시할 수 있다. 의료인 디바이스(2)는, 의료인(의사 등)의 요청에 응답하여 특정 사용자의 대면 진료 또는 비대면 진료의 필요성을 지능형 헬스케어 장치(3)에게 전달하고, 지능형 헬스케어 장치(3)는 의료인에 의해 요청된 특정 사용자의 사용자 디바이스(1)에게 대면 진료 또는 비대면 진료를 위한 예약 안내 정보를 전송한다. 지능형 헬스케어 장치(3)는, 사용자 디바이스(1)와 의료인 디바이스(2) 간의 예약 과정(예, 예약 가능한 시간 탐색, 예약 가능한 의사 선택)을 중개하며, 예약 완료 정보를 사용자 디바이스(1)와 의료인 디바이스(2) 양 쪽에 통지한다.
도 2를 참조하면, 지능형 헬스케어 장치(3)는, 저장부(11), 통신부(12) 및 제어부(13)를 포함한다.
저장부(11)는, ROM(Read Only Memory), RAM(Random Access Memory), EPROM(Erasable Programmable Read Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), 플래쉬(flash) 메모리, SRAM(Static RAM), HDD(Hard Disk Drive), SSD(Solid State Drive) 등을 포함할 수 있다. 또한, 저장부(11)는, 사용자별 제1 개인 건강 시계열 데이터 셋 및/또는 제2 개인 건강 시계열 데이터 셋을 누적 기록하기 위한 적어도 하나의 데이터베이스를 포함할 수 있다. 저장부(11)는, 후술될 컴퓨터-구현 방법을 실행하는 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 기록매체를 포함할 수 있다.
통신부(12)는, 유무선 네트워크를 통해, 사용자 디바이스(1) 및 의료인 디바이스(2)에 접속하여, 양방향 커뮤니케이션을 수행하도록 제공된다. 통신부(12)는, 사용자 디바이스(1)로부터 사용자별 생체 신호의 측정값을 포함하는 생체 데이터를 수신하고, 수신된 생체 데이터는 저장부(11)에 저장될 수 있다.
제어부(13)는, 저장부(11) 및 통신부(12)에 동작 가능하게 결합되어, 지능현 헬스케어 장치(3)의 각 기능(동작)을 수행하기 위해 저장부(11) 및 통신부(12)를 제어할 수 있다. 여기서, 어느 두 구성이 동작 가능하게 결합된다는 것은, 두 구성 중 어느 하나로부터 다른 하나로의 데이터(신호) 전달이 가능하도록 상호 접속된 것을 의미한다.
제어부(13)는, 하드웨어(hardware) 또는 펌웨어(firmware), 소프트웨어, 또는 이들의 결합에 의해 구현될 수 있는데, 하드웨어를 이용하여 구현하는 경우에는 ASIC(application specific integrated circuit) 또는 DSP(digital signal processor), DSPD(digital signal processing device), PLD(programmable logic device), FPGA(field programmable gate array) 등으로, 펌웨어나 소프트웨어를 이용하여 구현하는 경우에는 위와 같은 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등을 포함하도록 펌웨어나 소프트웨어가 구성될 수 있다.
제어부(13)는 저장부(11)에 저장된 컴퓨터 프로그램을 실행시키며, 컴퓨터 프로그램은 그것이 실행되는 경우 사용자별 건강 관리를 위한 동작들을 수행하도록 제어부(13)를 유도한다.
이하에서는 도 3 내지 도 11을 참조하여 지능형 헬스케어 장치(3)에 의해 실행되는 다양한 컴퓨터-구현 방법들을 설명하기로 한다.
도 3은 도 1에 도시된 지능형 헬스케어 장치(3)에 사용자 디바이스(1)를 등록하기 위한 방법을 예시적으로 나타낸 순서도이다.
도 3을 참조하면, 단계 S310에서, 제어부(13)는, 유무선 네트워크를 통해 지능형 헬스케어 장치(3)에 접속된 제1 디바이스(1a)로부터의 디바이스 등록 요청을 수신한다. 디바이스 등록 요청은, 제1 디바이스(1a)의 디바이스 정보 및 제1 디바이스(1a)의 사용 권한(예, 소유권)을 가진 사용자의 사용자 인증 정보를 포함할 수 있다. 사용자 인증 정보는 예컨대 사용자별로 부여된 사용자 ID 및 패스워드일 수 있다.
단계 S320에서, 제어부(13)는, 디바이스 등록 요청에 응답하여, 사용자 인증 정보가 유효한지 여부를 판정한다. 사용자 인증 정보의 유효성은, 사용자의 회원 가입 절차 등을 통해 저장부(11)에 미리 기록된 사용자 인증 정보와의 비교 및/또는 Oauth 2.0 등의 인증용 프로토콜에 의해 검증될 수 있다. 단계 S320의 값이 "예"인 경우, 단계 S330으로 진행한다. 단계 S320의 값이 "아니오"인 경우, 단계 S350으로 진행한다. 사용자별로, 제1 디바이스(1a)에 대한 인증은 최초 1회만 수행될 수 있다. 제1 디바이스(1a)에는 디바이스 에이전트(장치 관리자, device manager)가 설치될 수 있고, 디바이스 에이전트에 의해 2 이상의 사용자가 제1 디바이스(1a)에 대한 정상적인 사용 권한을 갖는 것으로 등록될 수 있다. 디바이스 에이전트는 제1 디바이스(1a)에 대한 사용 권한을 갖는 사용자 목록을 관리(예, 추가, 삭제, 수정 등)하는 컴퓨터 프로그램일 수 있다. 도시되어 있지는 않으나, 각 사용자는 2 이상의 제1 디바이스에 사용 권한을 갖는 사용자로 등록될 수 있고, 각 제1 디바이스는 2 이상의 사용자의 생체 신호 측정용으로 등록될 수 있다.
단계 S330에서, 제어부(13)는, 사용자의 사용자 인증 정보에 제1 디바이스(1a)의 디바이스 정보를 매핑하여 저장부(11)에 기록한다.
단계 S350에서, 제어부(13)는, 제1 디바이스(1a)에게 제1 디바이스(1a)의 디바이스 정보에 사용자의 사용자 인증 정보가 결합된 접속 토큰을 발급한다. 이때, 제어부(13)는, 접속 토큰에 대응하는 복호화 키를 생성할 수 있다. 이로써, 제1 디바이스(1a)가 사용자의 생체 신호의 측정용 디바이스로서 지능형 헬스케어 장치(3)에 등록된다.
접속 토큰은, bcrypt 등과 같은 단방향 암호화 알고리즘에 의해 암호화된 토큰일 수 있으며, 제1 디바이스(1a)에 의한 생체 신호의 측정값에 대한 암호화에 이용될 수 있다. 즉, 제1 디바이스(1a)는 지능형 헬스케어 장치(3)로부터 발급받은 접속 토큰을 암호화 키로 이용하여 생체 신호의 측정값을 암호화한 다음, 암호화된 측정값을 접속 토큰을 포함하는 생체 데이터를 지능형 헬스케어 장치(3)에게 전송할 수 있다. 접속 토큰은 제1 디바이스(1a)-사용자의 쌍별로 하나씩 발급되며, 유효 기간이 부여될 수 있다. 접속 토큰은 외부에 노출되더라도 단방향 암호화 특성에 의해 그에 포함된 디바이스 정보 및 사용자 인증 정보의 유추가 불가하다. 접속 토큰의 유효 기간은 사용자에 의해 변경 가능하다.
일단 접속 토큰이 발급된 후에는, 접속 토큰의 유효 기간(예, 3개월)이 경과할 때까지, 제1 디바이스(1a)는 사용자 인증 정보에 의한 로그인 절차없이도 접속 토큰 자체를 활용하여 지능형 헬스케어 장치(3)에 자동 접속 가능하며, 생체 데이터의 마지막 전송 시점으로부터 현 시점까지 제1 디바이스(1a)에 기록된 측정값(들)을 지능형 헬스케어 장치(3)로 전송할 수 있다.
제어부(13)는, 접속 토큰에 연관된 사용자 인증 정보가 변경되거나 접속 토큰의 유효 기간이 만료되는 경우, 해당 접속 토큰의 유효 기간을 자동 갱신(또는 접속 토큰의 재발급)할 수 있고, 그에 맞춰 복호화 키 또한 자동 갱신할 수 있다.
전술된 바와 같이, 사용자 인증 정보가 비유효한 것으로 판정 시, 단계 S350가 진행된다. 단계 S350에서, 제어부(13)는, 제1 디바이스(1a)에게 디바이스 등록 요청에 대한 인증 실패 통지를 전송한다.
도 4 내지 도 6은 제1 디바이스(1a)로부터 생체 신호의 측정값을 수집하는 방법을 예시적으로 나타낸 순서도이다. 도 4 내지 도 6의 방법은 도 3의 방법에 따라 지능형 헬스케어 장치(3)에 등록된 제1 디바이스(1a)에 대해 실행될 수 있다.
도 4를 참조하면, 단계 S410에서, 제어부(13)는, 제1 디바이스(1a)로부터의 생체 데이터가 수신되었는지 여부를 판정한다. 생체 데이터는 제1 디바이스(1a)에 의해 사용자로부터 측정된 생체 신호의 측정값을 포함하고, 상기 측정값의 측정 일시 및/또는 측정 위치(제1 디바이스(1a)의 위치), 그리고 제1 디바이스(1a)에 발급된 접속 토큰을 더 포함할 수 있다. 단계 S410의 값이 "예"인 경우, 단계 S420으로 진행한다. 단계 S410의 값이 "아니오"인 경우, 단계 S510으로 진행한다.
단계 S420에서, 제어부(13)는, 제1 디바이스(1a)로부터 수신된 생체 데이터에 포함된 접속 토큰의 유효성을 판정한다. 단계 S420의 값이 "예"인 경우, 단계 S430으로 진행한다. 단계 S420의 값이 "아니오"인 것은 제1 디바이스(1a)에 대해 기 발급된 접속 토큰의 유효 기간이 만료되었거나 제1 디바이스(1a)의 디바이스 정보에 매핑된 사용자 인증 정보가 변경된 것을 의미할 수 있다. 단계 S420의 값이 "아니오"인 경우, 단계 S610으로 진행한다.
단계 S430에서, 제어부(13)는, 접속 토큰에 대응하는 복호화 키를 이용하여, 제1 디바이스(1a)로부터 수신된 생체 데이터(접속 토큰으로 암호화되어 있음)를 복호화한다.
단계 S440에서, 제어부(13)는, 복호화된 생체 데이터의 측정값을 이용하여 사용자의 제1 개인 건강 시계열 데이터 셋을 갱신한다. 제1 개인 건강 시계열 데이터 셋은, 사용자의 생체 신호의 측정값의 경시적인 변화 이력을 포함하며, PHR 시계열 데이터 셋이라고 명명될 수도 있다.
도 5를 참조하면, 단계 S410의 값이 "아니오"인 경우, 단계 S510이 진행된다. 단계 S510에서, 제어부(13)는, 생체 신호에 대해 설정된 측정 주기가 경과되었는지 여부를 판정한다. 즉, 단계 S510에서는 제1 디바이스(1a)에 의해 사용자의 생체 신호가 마지막으로 측정된 시점으로부터 측정 주기(시간)가 경과하였는지 여부가 판정된다. 단계 S510의 값이 "예"인 경우, 단계 S520으로 진행한다. 단계 S510의 값이 "아니오"인 것은 제1 디바이스(1a)로부터의 생체 데이터가 측정 주기 이내에 수신된 것을 의미하며, 이 경우 단계 S410으로 돌아갈 수 있다.
단계 S520에서, 제어부(13)는, 제1 디바이스(1a) 및 제2 디바이스(1b) 중 적어도 하나에게, 제1 디바이스(1a)를 이용한 생체 신호의 측정을 사용자에게 독려하기 위한 측정 요청을 전송한다. 제1 디바이스(1a) 및 제2 디바이스(1b) 중 적어도 하나는, 측정 요청에 응답하여, 그에 설치된 지능형 능동 대화 에이전트를 호출(활성화)시켜, 팝업 메시지 등의 형태로 사용자에게 생체 신호의 측정이 필요함을 알리고 생체 신호의 측정을 진행하기 위한 대화 인터페이스의 활성화 등과 같은 사용자와의 인터랙션을 실행할 수 있다.
도 6을 참조하면, 단계 S420의 값이 "아니오"인 경우, 단계 S560이 진행된다.
단계 S610에서, 제어부(13)는, 제1 디바이스(1a)에 대해 기 발급된 접속 토큰 및 상기 접속 토큰에 대응하는 복호화 키를 갱신한다.
단계 S620에서, 제어부(13)는, 제2 디바이스(1b)에게 생체 데이터(단계 S410에서 수신됨)에 대한 승인 요청을 전송한다. 승인 요청은 단계 S410에서 기 수신된 제1 디바이스(1a)로부터의 생체 데이터를 사용자의 생체 신호의 측정값을 나타내는 것으로 승인할지 여부를 사용자에게 문의하는 요청일 수 있다.
단계 S630에서, 제어부(13)는, 생체 데이터(단계 S410에서 수신됨)가 제2 디바이스(1b)에 의해 소정 시간 이내에 승인되었는지 여부를 판정한다. 단계 S630의 값이 "예"인 경우, 단계 S640으로 진행한다. 단계 S630의 값이 "아니오"인 경우, 단계 S650으로 진행한다.
단계 S640에서, 제어부(13)는, 단계 S610에서 갱신된 접속 토큰을 제1 디바이스(1a)에게 발급한다. 즉, 제1 디바이스(1a)에게 기 발급된 접속 토큰은 새로운 접속 토큰으로 대체된다. 제1 디바이스(1a)는, 단계 S640을 통해 새로운 접속 토큰이 발급된 것에 응답하여 단계 S410에서 지능형 헬스케어 장치(3)에게 전송한 생체 데이터를 재전송할 수 있다.
단계 S650에서, 제어부(13)는, 제1 디바이스(1a)의 등록 상태를 승인 거부 상태로 설정한다. 제어부(13)는, 제1 디바이스(1a)가 승인 거부 상태로 설정된 경우, 제1 디바이스(1a)로부터의 생체 데이터를 계속 차단할 수 있다.
사용자는 제1 디바이스(1a) 및 제2 디바이스(1b) 중 적어도 하나에 설치된 디바이스 에이전트에 대한 조작을 통해, 제1 디바이스(1a)의 승인 거부 상태에 대한 해제 요청을 지능형 헬스케어 장치(3)에게 전송할 수 있고, 지능형 헬스케어 장치(3)는 해제 요청에 응답하여 제1 디바이스(1a)에 대한 승인 거부 상태를 해제할 수 있다. 사용자는 제1 디바이스(1a) 및 제2 디바이스(1b) 중 적어도 하나에 설치된 디바이스 에이전트에 등록된 사용자 디바이스(1)들의 장치 ID, 종류, 통신 프로토콜, 접속 토큰 정보(예, 발급 일시, 만료 일시), 측정 가능한 생체 신호 항목, 위치(시 단위, GPS가 사용 가능한 디바이스는 자동으로 설정), 디바이스 사용 여부 등의 정보를 확인 및 관리(변경, 삭제)할 수 있다.
도 7은 도 1에 도시된 지능형 헬스케어 장치(3)가 사용자 디바이스(1)와의 인터랙션을 통해 사용자 문진 정보를 수집하기 위한 방법을 예시적으로 나타낸 순서도이다. 지능형 헬스케어 장치(3)는 사용자의 생체 데이터의 수집 프로세스에 병행하여 사용자의 문진 정보를 수집할 수 있다.
도 7을 참조하면, 단계 S710에서, 제어부(13)는, 사용자에 대한 문진의 필요 여부를 판정한다. 사용자에 대한 문진은 정기적 또는 비정기적으로 실시되는 것으로서, 사용자가 제2 디바이스(1b)를 통해 문진 진행을 지능형 헬스케어 장치(3)에 직접 요청한 경우나, 주치의로서의 의사가 의료인 디바이스(2)를 통해 지능형 헬스케어 장치(3)에게 사용자에게 대한 문진을 요청한 경우 사용자에 대한 문진이 필요한 것으로 판정될 수 있다. 그 밖에, 문진 필요성은 사용자의 마지막 문진 일시로부터의 경과 시간, 현재까지의 제1 개인 건강 시계열 데이터 셋, 사용자의 병원 예약 정보 및/또는 외부 환경 정보에 기초하여, 문진 필요성 판단을 위해 미리 학습된 모델에 의해 결정될 수 있다. 예컨대, 소정의 기간이 경과할 때마다 정기적으로 또는 제1 개인 건강 시계열 데이터 셋 및 외부 환경 정보(예, 온도, 습도, 풍속, 미세먼지) 중 적어도 하나에 의해 사용자의 건강 상태가 저하될 가능성이 높은 경우(예, 제1 디바이스(1a)의 GPS 정보에 의해 사용자가 위치하는 것으로 추정되는 지역이나 사용자가 등록해둔 관심 지역의 일교차가 허용치 이상)에 문진이 필요한 것으로 판정될 수 있다.
단계 S720에서, 제어부(13)는, 사용자에게 제시할 디지털 문진표를 생성(작성)한다. 디지털 문진표는, 각 문진 항목은 객관식 또는 주관식인 복수의 문진 항목을 포함할 수 있다. 제어부(13)는, 인공지능 기반의 문진 내용 생성 모델을 이용하여, 사용자의 일반 건강 정보, 제1 개인 건강 시계열 데이터 셋 및 외부 환경 정보 중 적어도 하나를 기초로, 디지털 문진표의 적어도 하나의 문진 항목을 자동 생성할 수 있다. 일반 건강 정보는, 사용자에 의해 기 입력되거나 의료 정보 서버로부터 기 수집된 것으로서, 예컨대 사용자의 성별, 체중, 신장, 혈액형, 나이, 시력, 과거/현재의 복용 의약품, 과거/현재의 증상, 과거/현재의 병력(예, 진단받은 질병, 수술 이력) 등이 있다. 지능형 헬스케어 장치(3)의 저장부(11)는 문진 데이터베이스를 포함할 수 있고, 문진 데이터베이스에는 적어도 2 이상의 문진 항목이 정렬된 문진 템플릿이 기록되어 있을 수 있다. 제어부(13)는, 제1 디바이스(1a)를 통해 사용자에 대해 수집 및 관리 중인 생체 신호의 종류별 측정값(들)과 환절기, 팬데믹 등과 같은 외부 환경 정보 등을 기반으로 디지털 문진표에 구성할 문진 항목을 자동 선택하고, 선택된 문진 항목별 문진 내용(질문)을 생성할 수 있다.
단계 S730에서, 제어부(13)는, 제2 디바이스(1b)에 설치된 지능형 능동 대화 에이전트를 호출하기 위해, 단계 S720에서 생성된 디지털 문진표에 대한 문진 진행 요청을 제2 디바이스(1b)에게 전송한다. 제2 디바이스(1b)의 지능형 능동 대화 에이전트는, 지능형 헬스케어 장치(3)로부터의 문진 진행 요청에 응답하여, 디지털 문진표에 대한 문진 프로세스를 실시하기 위한 인터페이스를 제2 디바이스(1b)에서 출력함으로써, 문진에 대한 사용자의 참여를 유도한다.
단계 S740에서, 제어부(13)는, 제2 디바이스(1b)의 지능형 능동 대화 에이전트와의 인터랙션을 통해 제2 디바이스(1b)로부터 디지털 문진표에 대한 문진 결과(문진 데이터)를 수신한다. 문진 결과는 디지털 문진표의 문진 항목별로 수집되거나, 디지털 문진표의 전체 문진 항목에 대한 문진이 완료된 후에 일괄적으로 수집될 수 있다.
본 발명의 출원일 이전에 공지된 논문 및 연구 결과(Cartreine et al., 2010; Dayan et al., 2007, Locke et al., 1992, Richman et al., 1999)에 따르면, 사람들은 민감한 정보를 다른 사람에게 공개해야 할 때 실제 사람보다 개인 정보 보호 문제와 부정적인 평가에 대한 두려움이 적은 컴퓨터 에이전트와 더 편안하게 지내는 경향이 지니며, 의료 및 마케팅과 같은 다양한 분야의 연구자들은 개인 응답자와의 대면 인터뷰에 비하여 컴퓨터를 사용하는 컴퓨터 기반 설문조사 또는 인터뷰가 응답률을 높이고 개인의 민감한 정보를 효율적으로 수집하는 데에 유용하다는 사실을 발견하였다. 지능형 능동 대화 에이전트는 사용자와 의료인 간의 대면 인터뷰를 대체하기 위해 제공되는 소프트웨어의 일종인 바, 병원 내원이 예정된 사용자에 대해 지능형 능동 대화 에이전트를 통해 미리 문진표를 작성하고 병원 내원 전에 의료인 디바이스(2)에 공유함으로써, 환자가 당일 병원에서 진료 시간 중에 의사의 물음에 직접 답하는 것보다 답변의 정확성을 높여 주고 진료 시간을 단축하는 장점이 있다.
지금부터 지능형 능동 대화 에이전트와의 인터랙션을 통한 문진 진행 프로세스에 대해 설명하기로 한다.
지능형 능동 대화 에이전트는 문진 진행 요청에 응답하여, 사용자에게 문진이 필요한 이유와 문진의 목적, 응답 방법 등 디지털 문진표에 대한 기본 정보(이 정보는 문진표 데이터베이스에 문진표 별로 미리 기록되어 있음)를 텍스트 정보 및 오디오 정보 중 적어도 하나로 사용자에게 안내한다. 오디오 정보는 텍스트 정보에 대한 TTS(Text-to-speech)를 통해 출력되며, 제2 디바이스(1b)에 대한 사용자의 조작에 따라 선택적으로 실행될 수 있다.
디지털 문진표의 문진 항목별 내용 역시 지능형 능동 대화 에이전트가 텍스트와 오디오 중 적어도 하나의 형태로 사용자에게 제시되고, 이를 통해 사용자는 문진 항목별 내용을 용이하게 파악 가능하게 된다.
지능형 능동 대화 에이전트는 사용자에 대한 문진 진행 중, 특정 문진 항목이 제2 디바이스(1b)에서 출력된 시점으로부터의 경과 시간 등을 측정하여, 사용자가 특정 문진 항목에 대한 답변에 어려움을 갖는 것으로 파악되는 경우, 해당 문진 항목에 미리 매핑된 부연 설명 및 예시를 사용자에게 자동으로 제공한다. 추가적으로, 사용자가 즉각적인 답변이 어려운 것으로 식별된 문진 항목에 대해서는 사용자의 요청에 따라 추후에 답변할 예정인 것으로 분류하여 미답변 문진 항목 리스트에 기록하고, 미답변 문진 항목 리스트에 대하여는 소정 시간(예를 들어 한시간 후)이 경과한 시점이나 병원 예약 일시가 도래하기 전에 별도의 문진을 실시할 수 있다.
지능형 능동 대화 에이전트는 사용자가 이미 답변을 완료하였으며 변동 가능성이 없는 문진 항목(예, 귀하의 성병은 무엇입니까?)은 디지털 문진표에서 제외시킬 수 있으며, 변동 가능성이 있는 문진 항목(예, 가족 중에서 심장 질환을 앓았거나 해당 질환으로 사망한 경우가 있습니까?, 가장 많이 마셨던 하루 음주량은 어느 정도 입니까?)에 대해서는 헤딩 문진 항목에 연관된 과거의 다른 문진 항목에 대한 사용자의 답변 정보(예, 답변 일시, 답변 내용)를 시각적/청각적으로 출력함으로써, 동일한 문진 항목에 대해 불필요한 문진 진행을 방지하고 답변이 요구되는 문진 항목에 대한 사용자가 적극적인 참여를 유도할 수 있다.
지능형 헬스케어 장치(3)는, 인공지능 기술(예, context-based questionnaire generation)을 이용해서 사용자의 상태나 상황에 맞게 동적으로 생성된 적어도 하나의 문진 항목(객관식)을 포함하는 디지털 문진표를 통해 사용자 개인에 대한 맞춤형 문진을 수행할 수 있다. 예를 들어, 제어부(13)는 최근에 측정된 사용자의 생체 신호(예, 혈압, 심박수)의 측정값 패턴에서 이상 거동이 감지되거나 일교차가 10도 이상이 되는 환절기 등의 주변 환경 변화, 사용자 생체 특성 변화(예, 최근 한 달동안 체중이 3kg 이상 급증/급감 또는)를 감지 시, 자연어 생성(NLG, Natural Language Generation) 딥러닝 모델을 이용하여 해당 상황(context)에 연관된 문진 항목을 자동으로 생성할 수 있다. 이를 위해서 플랫폼은 문진 항목의 자동 생성용 딥러닝 모델을 지속적으로 학습 및 갱신한다.
만약, 사용자가 지능형 능동 대화 에이전트를 통해 지능형 헬스케어 장치(3)에 의해 동적으로 생성된 문진 항목이 비적절한 것으로 체크(응답)한 경우, 제어부(13)는 해당 문진 항목에 대한 사용자의 답변 내용을 학습에서 제외하여 딥러닝 모델의 성능을 높이도록 한다.
문진 항목을 동적으로 생성하기 위한 딥러닝 모델에 대한 초기 학습은 미리 확보한 의료 전문가 그룹(예, 의사, 건강검진 센터, 기타 의학 전문 문헌 등)으로부터 크롤링 등의 자동화 기법이나 수동적으로 수집된 데이터를 이용하여 진행되며, 객관식이 아닌 주관식 항목(예, 불편한 신체 부위나 특별한 증상이 있으면 자유롭게 쓰십시오.)을 자연어 처리(NLP, Natural Language Processing) 딥러닝 모델을 이용해서 분석하여 여러 사용자들이 해당 문진 항목에 대해 공통적으로 입력한 답변 내용을 바탕으로 새로운 문항을 생성하기 위한 학습 데이터로 구축(학습 데이터를 저렴한 비용으로 수집)하고, 이를 이용하여 딥러닝 모델을 정기적 또는 비정기적으로 학습시킬 수 있다.
제2 디바이스(1b)는 문진 항목별로 사용자가 입력한 답변 내용을 포함하는 문진 데이터를 지능형 헬스케어 장치(3)에 전송 시, 생체 데이터와 마찬가지로 별도에 발급된 고유의 접속 토큰을 이용해서 암호화하여 전송할 수 있다. 지능형 헬스케어 장치(3)는 문진 데이터에 연관된 접속 토큰에 대응하는 복호화 키를 생성 및 저장할 수 있으며, 이를 이용하여 제2 디바이스(1b)로부터의 문진 데이터를 복호화할 수 있다.
단계 S750에서, 제어부(13)는, 단계 S740에서 수신된 문진 결과를 처리하여 사용자의 제2 개인 건강 시계열 데이터 셋을 갱신한다. 제2 개인 건강 시계열 데이터 셋은 제1 디바이스(1a)에서 측정되는 사용자의 생체 신호와는 다른 적어도 하나의 건강 관련 항목의 경시적인 변화 이력을 포함한다. 건강 관련 항목은, 문진 데이터 중 시간에 따라 변하는 항목(예, 체중, 신장, 최근 한달 간의 음주량, 최근 일주일 간의 운동 시간, 최근 일주일 간 복용하고 있는 약, 최근 식단, 특정 신체 부위의 통증 정도 등)일 수 있으며, 생체 데이터와 마찬가지로 시계열의 형태로 문진 데이터베이스에 저장될 수 있다. 제2 개인 건강 시계열 데이터 셋은, 생체 신호의 이상 패턴을 모니터링(검출)을 위해 인공지능 모델을 이용한 학습 시에 추가적인 특징 데이터(학습용)로 사용되며, 이로써 이상 패턴의 모니터링(검출)용 인공지능 모델의 정확도를 향상한다.
도 8은 도 1에 도시된 지능형 헬스케어 장치(3)에 의해 실행되는 생체 신호의 종류별 측정 주기를 수정하는 방법을 예시적으로 설명하는 순서도이다. 사용자의 제1 디바이스(1a)는 전술한 바와 같이 단일 또는 2 종 이상의 생체 신호를 측정 가능하며, 제1 디바이스(1a)에 의해 측정 가능한 생체 신호별로 측정 주기는 개별적으로 설정 및 조절될 수 있다. 특정의 사용자-제1 디바이스(1a) 쌍에 있어서, 생체 신호별 측정 주기의 초기값이 소정값으로 미리 정해져 있을 수 있고, 사용자의 개인 건강 관련 정보의 모니터링을 실시하면서 정기적 또는 비정기적으로 조정될 수 있다.
도 8을 참조하면, 단계 S810에서, 제어부(13)는, 생체 신호에 대한 적어도 하나의 주기 조정 파라미터를 획득한다. 주기 조정 파라미터는, 특정의 사용자-제1 디바이스(1a) 쌍에 연관된 생체 신호의 측정 주기를 조정하는 데에 참조되는 파라미터를 지칭한다. 예컨대, 생체 신호가 혈압인 경우, 개인 건강 정보와 관련된 파라미터들(예, 신장, 체중, 과거 진단받은 질병, 문진 데이터(답변 내용), 사용자 위치, 이동 경로, 단위 시간 내 사용자 위치가 1km 이상 급변 등), 외부 환경 정보를 나타내는 파라미터들(예, 기온, 계절, 환절기, 유행 중인 전염병 등) 및 제1 개인 건강 시계열 데이터 셋의 분석 결과를 나타내는 파라미터들(예, 생체 신호의 측정값의 이상 징후/패턴 등) 중 적어도 하나의 파라미터가 주기 조정 파라미터로서 획득될 수 있다. 외부 환경 정보는 제어부(13)가 통신부(12)를 통해 외부 환경 모니터링 서버(예, 공공 포털)에 접속하여 주기적(예, 1시간마다)으로 수집될 수 있다.
단계 S820에서, 제어부(13)는, 단계 S810에서 획득된 적어도 하나의 주기 조정 파라미터를 기초로, 생체 신호의 측정 주기에 대한 수정량을 연산한다. 여기서, 연산된 수정량은 0, 양의 값 또는 음의 값을 가지며, 주기 조정 파라미터가 사용자의 건강 개선(가능성)을 나타내는 경우에는 수정량은 양의 값으로 절대값이 증가하고, 주기 조정 파라미터가 사용자의 건강 악화(가능성)을 나타내는 경우에는 수정량은 음의 값으로 절대값이 증가할 수 있고, 주기 조정 파라미터가 사용자의 건강 유지를 나타내는 경우에는 수정량은 0으로 정해질 수 있다.
단계 S830에서, 제어부(13)는, 생체 신호에 대해 정해진 현재의 측정 주기에 단계 S820에 의해 연산된 수정량을 적용(합산)하여, 측정 주기를 수정(갱신)한다. 단계 S830을 통해 수정된 측정 주기는 다음 회의 수정이 진행될 때까지, 사용자의 생체 신호의 측정 주기로서 이용된다. 즉, 수정된 측정 주기는 도 5를 참조하여 전술된 단계 S510에서 이용될 수 있다.
제어부(13)는, 수정된 측정 주기를 통신부(12)를 통해 제2 디바이스(1b)에게 전송할 수 있다. 제2 디바이스(1b)에는 지능형 헬스케어 장치(3)에 의해 제공된 생체 신호 측정 관리용 캘린더 애플리케이션이 설치되어 있을 수 있고, 캘린더 애플리케이션은 단계 S830에서 수정된 측정 주기가 도래하거나 도래 예정인 경우, 제2 디바이스(1b)의 화면 및/또는 스피커를 통해 측정 실시 알람을 활성화할 수 있다. 또한, 제2 디바이스(1b)는 제1 디바이스(1a)에 의한 생체 신호의 측정 일시를 캘린더 애플리케이션에 기록하고, 현재까지의 생체 신호 측정 이력을 자동으로 또는 사용자 요청에 따라 수동으로 사용자에게 안내할 수 있다. 또한, 캘린더 애플리케이션은 제3자의 캘린더 애플리케이션과 연동을 통해 생체 신호의 측정 주기와 측정 결과에 관련된 정보를 제3자의 캘린더 애플리케이션과도 동기화할 수 있다.
지능형 헬스케어 장치(3)로부터 제2 디바이스(1b)로 전달되는 단순 알림성 정보는 지능형 능동 대화 에이전트 대신 제3자 제공의 메신저 서비스 및/또는 SNS를 통해 사용자에게 전달될 수 있다.
도 9는 도 1에 도시된 지능형 헬스케어 장치(3)에 의해 실행되는 사용자 건강 이상을 모니터링하는 방법을 예시적으로 나타낸 순서도이다.
도 9를 참조하면, 단계 S910에서, 제어부(13)는, 제1 개인 건강 시계열 데이터 셋(단계 S440에 의해 갱신된 후의 것일 수 있음)을 처리하기 위한 인공지능 모델을 생성한다. 단계 S910은 단계 S912, 단계 S914, 단계 S916 및 단계 S918을 포함할 수 있다.
단계 S912에서, 제어부(13)는, 생체 신호에 대해 정해진 적어도 하나의 정상 범위와 제1 개인 건강 시계열 데이터 셋에 포함된 적어도 하나의 측정값 간의 비교를 수행하여, 생체 신호에 관련된 제1 점수를 출력하는 제1 모델을 생성한다. 생체 신호의 종류별 정상 범위(또는 그 외의 위험 범위)는 의료 전문가들의 자문을 거쳐서 저장부(11) 내 데이터베이스에 구축한다.
일 예로, 생체 신호가 혈압인 경우, 수축기 혈압 120mmHg 미만 및 이완기 혈압 80mmHg 미만이 정상 범위로 정해질 수 있으며, 제1 모델은 이러한 정상 범위 각각을 사용자의 제1 개인 건강 시계열 데이터 셋(단계 S440에 의해 갱신되기 전의 것일 수 있음)의 측정값과 비교하여, 사용자의 혈압 이상 정도를 점수로서 수치화하여 출력할 수 있다.
대안적으로, 생체 신호별 정상 범위는, 단일하게 정해지는 대신 성별, 연령대, 키, 체중 등과 같은 개인 신체적 요소 및/또는 계절, 기온, 측정 시간대 등의 외부 환경 요소에 따라 복수로 세분화될 수 있으며, 제어부(13)는 특정 생체 신호에 대한 복수의 정상 범위 중에서 사용자의 개인 신체적 요소 및/또는 외부 환경 요소에 대응하는 정상 범위를 식별하고, 식별된 정상 범위를 제1 모델에 적용할 수 있다. 단계 S914는 최초 1회만 수행될 수 있다.
단계 S914에서, 제어부(13)는, 사용자 외의 복수의 개인으로부터 기 취득된 상기 생체 신호에 대한 복수의 참조 건강 시계열 데이터 셋으로 학습된 것으로서, 사용자의 제1 개인 건강 시계열 데이터 셋(단계 S440에 의해 갱신되기 전의 것일 수 있음)을 처리하여 생체 신호에 관련된 제2 점수를 출력하는 제2 모델을 생성한다. 참조 건강 시계열 데이터 셋은 제1 개인 건강 시계열 데이터 셋과 동일한 생체 신호에 관한 것으로서, 타인의 생체 신호의 측정값의 경시적인 변화 이력을 포함한다. 사용자가 지능형 헬스케어 장치(3)의 회원으로 가입한 초기에는 제1 개인 건강 시계열 데이터 셋의 크기(양)이 충분치 않으므로, 다른 사용자들로부터 수집된 데이터셋으로 미리 학습된 제2 모델을 구축한다. 복수의 참조 건강 시계열 데이터 셋은 데이터 허브 등과 같은 공개 데이터 셋 저장소로부터 수집하거나 유료 구매를 통해 확보할 수 있다.
생체 신호는 혈압이나 체질량지수(BMI)와 같이 측정하는 순간의 수치로 이상 여부를 판단 가능한 종류도 있고, 심전도(ECG) 등과 같이 시간차를 두고 여러 번 측정된 수치들을 분석해야 이상 여부를 판단할 수 있는 종류도 있기 때문에, 제어부(13)는 생체 신호의 종류별 특성에 부합하는 모델을 선택하여 선택된 모델에 대한 학습을 수행할 수 있다.
단계 S916에서, 제어부(13)는, 제1 개인 건강 시계열 데이터 셋(단계 S440에 의해 갱신되기 전의 것일 수 있음)으로 학습된 것으로서, 제1 개인 건강 시계열 데이터 셋(단계 S440에 의해 갱신된 후의 것일 수 있음)을 처리하여 생체 신호에 관련된 제3 점수를 출력하는 제3 모델을 생성한다. 단계 S916에 의한 제3 모델의 생성은 제1 개인 건강 시계열 데이터 셋(단계 S440에 의해 갱신되기 전의 것일 수 있음)의 크기(양)이 기준 데이터량 이상인 경우에 실시될 수 있다. 또한, 단계 S916에 의한 제3 모델의 학습에는 제1 개인 건강 시계열 데이터 셋 외에도 도 7의 방법에 따라 기 획득된 제2 개인 건강 시계열 데이터 셋이 학습 데이터로서 이용될 수 있으며, 이에 따라 사용자에 대해 최적으로 개인화된 제2 모델의 생성이 가능하다.
단계 S918에서, 제어부(13)는, 제1 점수, 제2 점수 및 제3 점수의 가중 평균을 이상 점수로서 출력하도록, 제1 모델, 제2 모델 및 제3 모델을 조합할 수 있다. 제1 모델, 제2 모델 및 제3 모델의 조합에는 앙상블 기법이 적용될 수 있다.
구체적으로, 제어부(13)는, 제1 개인 건강 시계열 데이터 셋에 기록된 측정값의 개수에 따라 제1 가중치, 제2 가중치 및 제3 가중치를 결정(조정)할 수 있다. 제1 가중치, 제2 가중치 및 제3 가중치에 일대일 대응하는 제1 범위, 제2 범위 및 제3 범위는 전문가의 조언 등을 고려하여 지능형 헬스케어 장치(3)의 관리자에 의해 필요 시 조정될 수 있다.
지금부터 다음의 수식을 참조하여, 제1 모델, 제2 모델 및 제3 모델의 조합을 통해 생성되는 인공지능 모델의 일 예를 설명하도록 한다.
<수식 1>
S(x) = M1(x)ХW1 + M2(x)ХW2 + M3(x)ХW3
위 수식 1에 있어서, x는 제1 개인 건강 시계열 데이터 셋(단계 S440에 의해 갱신된 후의 것일 수 있음) 전부, 특정 기간(예, 최근 한 달)에서 측정된 2 이상의 측정값 또는 특정 시각에서 측정된 단일 측정값이다. M1(x)는 x에 대해 제1 모델에서 출력된 제1 점수, M2(x)는 x에 대해 제2 모델에서 출력된 제2 점수, M3(x)는 x에 대해 제3 모델에서 출력된 제3 점수, W1은 제1 가중치, W2는 제2 가중치, W3은 제3 가중치, S(x)는 인공지능 모델에서 출력된 이상 점수이다. 이때, 제1 점수, 제2 점수 및 제3 점수 각각은 0~1의 범위일 수 있고, 제1 가중치(W1), 제2 가중치(W2) 및 제3 가중치(W3)의 합은 1일 수 있으며, 따라서 S(x) 역시 0~1의 범위일 수 있다.
제1 가중치(W1)는 제1 범위(예, 0.8~0.5)에서 조정될 수 있고, 제2 가중치(W2)는 제2 범위(예, 0.2~0.1)에서 조정될 수 있으며, 제3 가중치(W3)는 제3 범위(예, 0~0.4)에서 조정될 수 있다. 제어부(13)는, 제1 개인 건강 시계열 데이터 셋에 기록된 측정값의 개수가 기준 개수(예, 100개)만큼 증가할 때마다, 제1 가중치(W1)를 제1 범위 이내에서 제1 조정값만큼 감소시키고, 제2 가중치(W2)는 제2 범위 이내에서 제2 조정값만큼 감소시키고, 제3 가중치(W3)는 제3 범위 이내에서 제3 조정값만큼 증가시킬 수 있다. 예컨대, 제1 개인 건강 시계열 데이터 셋(단계 S440에 의해 갱신되기 전의 것일 수 있음)에 기록된 측정값의 개수가 100개 미만인 경우, 제1 가중치(W1)는 제1 범위의 상한인 0.8로, 제2 가중치(W2)는 제2 범위의 상한인 0.2로, 제3 가중치(W3)는 제3 범위의 하한인 0으로 설정될 수 있다. 이후, 제1 개인 건강 시계열 데이터 셋(단계 S440에 의해 갱신되기 전의 것일 수 있음)에 기록된 측정값의 개수가 100~199개가 되면, 제1 가중치(W1)는 제1 조정값만큼 감소된 0.8로, 제2 가중치(W2)는 제2 조정값만큼 감소된 0.2로, 제3 가중치(W3)는 제3 조정값(미리 정해져 있음)만큼 증가된 0.01으로 설정될 수 있다.
제1 조정값 및 제2 조정값은 제3 가중치(W3)가 제3 조정값만큼 증가 시마다 아래의 수식 2에 의해 정해질 수 있다.
<수식 2>
제1 조정값 = 제3 조정값 Х 제1 범위의 폭/(제1 범위의 폭+제2 범위의 폭)
제2 조정값 = 제3 조정값 Х 제2 범위의 폭/(제1 범위의 폭+제2 범위의 폭)
대안적으로, 제1 가중치(W1), 제2 가중치(W2) 및 제3 가중치(W3)는 아래의 수식 3에 의해 정해질 수 있다.
<수식 3>
W1 = U1 - {W3 Х 제1 범위의 폭/(제1 범위의 폭+제2 범위의 폭)}
W2 = U2 - {W3 Х 제2 범위의 폭/(제1 범위의 폭+제2 범위의 폭)}
W3 = L3 + {제3 조정값 Х D(N/M)}
수식 3에서, U1는 제1 범위의 상한, U2는 제2 범위의 상한, L3는 제3 범위의 하한, M은 기준 개수, N은 제1 개인 건강 시계열 데이터 셋에 기록된 측정값의 개수이고, D(N/M)은 N/M을 넘지 않는 최대 정수이다. 예컨대, N=911, M=100, 제3 조정값 = 0.01인 경우, W3=0.09이다. 여기서, U1+U2+L3 = 1. 또한, L1이 제1 범위의 하한, L2가 제2 범위의 하한, U3가 제3 범위의 상한이라고 할 때, L1+L2+U3=1.
단계 S920에서, 제어부(13)는, 인공지능 모델을 이용하여, 제1 개인 건강 시계열 데이터 셋(단계 S440에 의해 갱신된 후의 것일 수 있음)을 기초로, 사용자의 건강 상태에 연관된 이상 점수를 산출한다. 인공지능 모델에 의해 산출된 생체 신호에 대한 사용자의 이상 점수는 제1 개인 건강 시계열 데이터 셋에 맵핑되어 저장부(11)에 기록될 수 있다.
지능형 헬스케어 장치(3)는, 도 9의 방법을 통해 산출된 이상 점수를 사용자의 주치의(주치 병원)로 등록되거나 사용자를 환자로서 진료 중(예약)인 의료인의 의료인 디바이스(2)로 전송할 수 있다.
한편, 인공지능 모델은 이상(positive) 데이터와 정상(negative) 데이터가 동일한 비율로 분포하는 학습 데이터(예, 복수의 참조 건강 시계열 데이터 셋)로 학습 시에 최적의 성능을 갖게 된다. 다만, 일반적으로 정상 데이터에 비해서 이상 데이터가 월등히 적은 클래스 불균형(class imbalance) 경우가 대부분이며, 낮은 비율의 정상 데이터로 인해 학습한 모델의 이상 탐지 성능은 낮아질 수밖에 없다. 이에, 본 발명의 발명자는 도 10에 따른 방법을 통해 인공지능 모델의 성능을 향상시킬 수 있음을 확인하였다.
도 10은 도 9을 참조하여 전술된 제2 모델을 생성하는 방법을 예시적으로 나타낸 순서도이다.
도 10을 참조하면, 단계 S1010에서, 제어부(13)는, 복수의 참조 건강 시계열 데이터 셋을 이용한 지도 학습(supervised learning)을 통해 제1 후보 모델을 생성한다. 복수의 참조 건강 시계열 데이터 셋은 전술된 바와 같이 사용자 외의 다른 개인들로부터 기 획득된 것으로서, 그에 포함된 각 측정값은 정상 측정값(정상 데이터) 또는 이상 측정값(이상 데이터)으로 구분된다. 정상 측정값은 건강 상태가 정상임을 나타내는 측정값이고, 이상 측정값은 건강 상태가 이상임을 나타내는 측정값일 수 있다.
단계 S1020에서, 제어부(13)는, 복수의 참조 건강 시계열 데이터 셋의 정상 측정값에 대한 다운 샘플링 및 이상 측정값에 대한 업 샘플링 중 적어도 하나의 실행을 통해 복수의 참조 건강 시계열 데이터 셋을 가공하고, 가공된 복수의 참조 건강 시계열 데이터 셋을 이용한 지도 학습을 통해 제2 후보 모델을 생성한다. 단계 S1020은 복수의 참조 건강 시계열 데이터 셋의 이상 측정값의 비율이 제1 기준 비율(예, 10%) 이상이고 제2 기준 비율(예, 30%) 미만인 경우에 한하여 선택적으로 실행될 수 있다. 일 예로, 복수의 참조 건강 시계열 데이터 셋의 측정값 개수가 소정 개수(예, 1만 개) 이상인 경우에는 정상 측정값에 대한 다운 샘플링이 실행되고, 소정 개수 미만인 경우에는 이상 측정값에 대한 업 샘플링이 실행될 수 있다. 다른 예로, 제어부(13)는, 복수의 참조 건강 시계열 데이터 셋의 정상 측정값에 대한 다운 샘플링 및 이상 측정값에 대한 업 샘플링을 소정 비율 간격으로 반복 실시하여 2 이상의 가공된 복수의 참조 건강 시계열 데이터 셋을 생성한 다음, 2 이상의 가공된 복수의 참조 건강 시계열 데이터 셋으로 학습된 제2 후보 모델을 생성할 수 있다. 가공된 복수의 참조 건강 시계열 데이터 셋에 있어서, 이상 측정값의 비율은 제2 기준 비율 이상이다.
단계 S1030에서, 제어부(13)는, 복수의 참조 건강 시계열 데이터 셋의 정상 측정값만을 학습 데이터로 이용한 비지도 학습(unsupervised learning)을 통해 제3 후보 모델을 생성한다. 즉, 정상 측정값이 복수의 참조 건강 시계열 데이터 셋의 대부분을 차지하는 경우에는 업 샘플링 및/또는 다운 샘플링 기법을 사용하여 지도 학습을 진행하더라도 성능에 한계가 존재하기 때문에, 지도 학습 대신 비지도 학습을 통해 학습된 제3 후보 모델을 생성함으로써, 제3 후보 모델의 성능을 향상시킬 수 있다. 단계 S1030은 복수의 참조 건강 시계열 데이터 셋의 이상 측정값의 비율이 제1 기준 비율 미만인 경우에 한하여 선택적으로 실행될 수 있다.
제3 후보 모델은, 복수의 참조 건강 시계열 데이터 셋의 각 측정값에 대응하는 점수를 출력하고, 임계값 미만인 점수에 대응하는 측정값은 정상 측정값으로 분류하며, 임계값 이상인 점수에 대응하는 측정값은 이상 측정값으로 분류할 수 있다. 이러한 제3 후보 모델의 출력 데이터는 학습 데이터(복수의 참조 건강 시계열 데이터)와 비교되며, 비교의 결과에 따라 제3 후보 모델의 임계값이 자동 조정되도록 학습이 여러 번 진행될 수 있다. 일 예로, 학습 데이터의 특정 측정값이 이상 측정값임에도 제3 후보 모델이 해당 특정 측정값을 정상 측정값으로 출력하는 경우, 해당 특정 측정값이 이상 측정값으로 식별되도록 임계값의 자동 조정이 이루어질 수 있다.
단계 S1040에서, 제어부(13)는, 제1 테스트 데이터 셋을 이용하여 제1 후보 모델, 제2 후보 모델 및 제3 후보 모델 각각의 성능을 평가한다. 여기서, 제1 테스트 데이터 셋은 복수의 참조 건강 시계열 데이터 셋이거나, 또는 복수의 참조 건강 시계열 데이터 셋과는 별도로 기 획득된 데이터 셋일 수 있다.
단계 S1050에서, 제어부(13)는, 제1 후보 모델, 제2 후보 모델 및 제3 후보 모델 중 가장 높은 성능을 갖는 것으로 평가된 어느 하나를 제2 모델로 선택한다. 이로써, 단계 S914가 완료된다.
도 11은 도 9을 참조하여 전술된 제3 모델을 생성하는 방법을 예시적으로 나타낸 순서도이다.
도 11을 참조하면, 단계 S1110에서, 제어부(13)는, 제1 개인 건강 시계열 데이터 셋(단계 S440에 의해 갱신되기 전의 것일 수 있음)을 이용한 지도 학습을 통해 제4 후보 모델을 생성한다. 제1 개인 건강 시계열 데이터 셋의 각 측정값은 전술된 제2 모델이나 다른 모델에 의해 이상 측정값 또는 정상 측정값으로 분류되어 있을 수 있다.
단계 S1120에서, 제어부(13)는, 제1 개인 건강 시계열 데이터 셋의 정상 측정값에 대한 다운 샘플링 및 이상 측정값에 대한 업 샘플링 중 적어도 하나의 실행을 통해 제1 개인 건강 시계열 데이터 셋을 가공하고, 가공된 제1 개인 건강 시계열 데이터 셋을 이용한 지도 학습을 통해 제5 후보 모델을 생성한다. 단계 S1120은 제1 개인 건강 시계열 데이터 셋의 이상 측정값의 비율이 제1 기준 비율 이상이고 제2 기준 비율 미만인 경우에 한하여 선택적으로 실행될 수 있다. 일 예로, 제1 개인 건강 시계열 데이터 셋의 측정값 개수가 소정 개수 이상인 경우에는 정상 측정값에 대한 다운 샘플링이 실행되고, 소정 개수 미만인 경우에는 이상 측정값에 대한 업 샘플링이 실행될 수 있다. 다른 예로, 제어부(13)는, 제1 개인 건강 시계열 데이터 셋의 정상 측정값에 대한 다운 샘플링 및 이상 측정값에 대한 업 샘플링을 소정 비율 간격으로 반복 실시하여 2 이상의 가공된 제1 개인 건강 시계열 데이터 셋을 생성한 다음, 2 이상의 가공된 제1 개인 건강 시계열 데이터 셋으로 학습된 제5 후보 모델을 생성할 수 있다. 가공된 제1 개인 건강 시계열 데이터 셋에 있어서, 이상 측정값의 비율은 제2 기준 비율 이상이다.
단계 S1130에서, 제어부(13)는, 제1 개인 건강 시계열 데이터 셋의 정상 측정값만을 학습 데이터로 이용한 비지도 학습(unsupervised learning)을 통해 제6 후보 모델을 생성한다. 단계 S1130은 제1 개인 건강 시계열 데이터 셋의 이상 측정값의 비율이 제1 기준 비율 미만인 경우에 한하여 선택적으로 실행될 수 있다.
제6 후보 모델은, 제1 개인 건강 시계열 데이터 셋의 각 측정값에 대응하는 점수를 출력하고, 임계값 미만인 점수에 대응하는 측정값은 정상 측정값으로 분류하며, 임계값 이상인 점수에 대응하는 측정값은 이상 측정값으로 분류할 수 있다. 이러한 제6 후보 모델의 출력 데이터는 학습 데이터(제1 개인 건강 시계열 데이터 셋)와 비교되며, 비교의 결과에 따라 제6 후보 모델의 임계값이 자동 조정되도록 학습이 여러 번 진행될 수 있다.
단계 S1140에서, 제어부(13)는, 제2 테스트 데이터 셋을 이용하여 제4 후보 모델, 제5 후보 모델 및 제6 후보 모델 각각의 성능을 평가한다. 여기서, 제2 테스트 데이터 셋은 제1 개인 건강 시계열 데이터 셋이거나, 또는 전술된 복수의 참조 건강 시계열 데이터 셋 중 적어도 하나일 수 있다.
단계 S1150에서, 제어부(13)는, 제4 후보 모델, 제5 후보 모델 및 제6 후보 모델 중 가장 높은 성능을 갖는 것으로 평가된 어느 하나를 제3 모델로 선택한다. 이로써, 단계 S916이 완료된다.
도 12는 본 발명의 제1 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 주치의 주도적 내원 권유 장치(100)가 포함하는 전체 구성을 나타낸 도면이다.
그러나 이는 본 발명의 목적을 달성하기 위한 바람직한 실시 예일 뿐이며, 필요에 따라 일부 구성이 추가되거나 삭제될 수 있고, 어느 한 구성이 수행하는 역할을 다른 구성이 함께 수행할 수도 있음은 물론이다.
본 발명의 제1 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 주치의 주도적 내원 권유 장치(100)는 프로세서(10), 네트워크 인터페이스(20), 메모리(30), 스토리지(40) 및 이들을 연결하는 데이터 버스(50)를 포함할 수 있으며, 그 자체로써 독립된 장치로 구현하거나 인하우스 시스템 및 공간 임대형 시스템 등과 같은 유형의 물리적인 서비스 서버 또는 무형의 클라우드(Cloud) 서비스 서버 등과 같은 형태로 구현할 수도 있다 할 것이다. 도 1에 도시된 지능형 헬스케어 장치(3)가 주치의 주도적 내원 권유 장치(100)로 이용될 수 있다.
프로세서(10)는 각 구성의 전반적인 동작을 제어한다. 프로세서(10)는 CPU(Central Processing Unit), MPU(Micro Processer Unit), MCU(Micro Controller Unit) 또는 본 발명이 속하는 기술 분야에서 널리 알려져 있는 형태의 프로세서 중 어느 하나일 수 있으며, 머신러닝 모델 프로세서 또는 딥러닝 모델 프로세서 등과 같이 인공지능 모델 프로세서로 구현할 수 있다. 아울러, 프로세서(10)는 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법을 수행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다.
네트워크 인터페이스(20)는 본 발명의 제1 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 주치의 주도적 내원 권유 장치(100)의 유무선 인터넷 통신을 지원하며, 그 밖의 공지의 통신 방식을 지원할 수도 있다. 따라서 네트워크 인터페이스(20)는 그에 따른 통신 모듈을 포함하여 구성될 수 있다.
메모리(30)는 각종 정보, 명령 및/또는 정보를 저장하며, 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법을 수행하기 위해 스토리지(40)로부터 하나 이상의 컴퓨터 프로그램(41)을 로드할 수 있다. 도 1에서는 메모리(30)의 하나로 RAM을 도시하였으나 이와 더불어 다양한 저장 매체를 메모리(30)로 이용할 수 있음은 물론이다.
스토리지(40)는 하나 이상의 컴퓨터 프로그램(41) 및 대용량 네트워크 정보(42)를 비임시적으로 저장할 수 있다. 이러한 스토리지(40)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 널리 알려져 있는 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체 중 어느 하나일 수 있다.
컴퓨터 프로그램(41)은 메모리(30)에 로드되어, 하나 이상의 프로세서(10)가 (A) 환자 단말로부터 수신한 환자의 개인 건강 데이터(Personal Health Record, PHR) 측정값을 기초로 상기 환자의 PHR 이상 점수 및 PHR 이상 등급 중 어느 하나 이상을 포함하는 PHR 평가치를 실시간으로 산정하는 오퍼레이션, (B) 상기 실시간으로 산정한 환자의 PHR 평가치가 기 설정한 임계값을 초과하는지 판단하는 오퍼레이션, (C) 상기 (B) 오퍼레이션 의 판단 결과, 초과한다면 상기 환자의 주치의 단말에 실시간 알림을 발송하는 오퍼레이션, (D) 상기 주치의 단말로부터 내원 요청 정보를 수신하여 상기 환자의 내원이 가능한 일자 및 시간을 포함하는 복수 개의 후보 일정을 환자 달력 상에 표시하여 상기 환자 단말에 출력하는 오퍼레이션, (E) 상기 환자 단말로부터 상기 복수 개의 후보 일정 중, 어느 하나에 대한 선택 정보를 수신하여 내원 예약을 완료하고, 상기 환자 달력 상에 표시하여 상기 환자 단말에 출력하는 오퍼레이션 및 (F) 상기 완료한 내원 예약을 주치의 달력 상에 표시하여 상기 주치의 단말에 출력하는 오퍼레이션을 실행할 수 있다.
이상 간단하게 언급한 컴퓨터 프로그램(41)이 수행하는 오퍼레이션은 컴퓨터 프로그램(41)의 일 기능으로 볼 수 있으며, 보다 자세한 설명은 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법에 대한 설명에서 후술하도록 한다.
데이터 버스(50)는 이상 설명한 프로세서(10), 네트워크 인터페이스(20), 메모리(30) 및 스토리지(40) 사이의 명령 및/또는 정보의 이동 경로가 된다.
이상 설명한 본 발명의 제1 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 주치의 주도적 내원 권유 장치(100)가 독립된 장치의 형태, 예를 들어 서버의 형태로 구현된 경우 이에 접속하여 개인 건강 데이터를 발송하는 환자 단말(미도시)은 환자의 생체 신호를 측정할 수 있는 다양한 센서가 실장된 단말일 수 있으며, 단말의 구체적인 종류는 어떠난 것이라도 무방하다 할 것이다.
한편, 주치의 단말(미도시)은 주치의의 생체 신호를 측정할 필요는 없기에 이를 위한 센서가 실장된 단말일 필요는 없으며, 병원에서 진료를 수행하는 업무의 특성상, 개인용 데스크톱이나 노트북 PC 등이 주치의 단말(미도시)의 대표적인 모습이라 할 것이나, 주치의가 환자의 입장이 되는 경우도 발생할 수 있기 때문에 환자 단말(미도시)과 같은 종류의 단말인 경우를 제외하는 것은 아니라 할 것이다.
또 다른 한편, 환자 단말(미도시)과 주치의 단말(미도시) 모두 네트워크를 통해 본 발명의 제1 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 주치의 주도적 내원 권유 장치(100)에 접속하여 환자의 내원 일정을 능동적으로 예약하는 방법을 제공 받을 수 있을 것인바, 이를 위해 환자 단말(미도시)과 주치의 단말(미도시) 모두에는 전용 어플리케이션(Application)이 설치되어 있을 것이다. 즉, 전용 어플리케이션은 그 자체가 본 발명의 제1 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 주치의 주도적 내원 권유 장치(100)이 제공하는 특정 기능을 환자 단말(미도시)과 주치의 단말(미도시)에게 제공하거나 이들로부터 각종 정보를 수신하는 매개체로의 역할을 수행하는 구성이라 할 것이다.
이하, 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법에 대하여 도 13 내지 도 16을 참조하여 설명하도록 한다.
도 13은 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법의 대표적인 단계를 나타낸 순서도이다.
그러나 이는 본 발명의 목적을 달성함에 있어서 바람직한 실시 예일 뿐이며, 필요에 따라 일부 단계가 추가 또는 삭제될 수 있음은 물론이며, 어느 한 단계가 다른 단계에 포함되어 수행될 수도 있다.
또한, 각 단계는 앞서 본 발명의 제1 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 주치의 주도적 내원 권유 장치(100, 이하 "장치"라고 한다), 구현 형태는 서버의 형태에 의해 수행됨을 전제로 하며, 환자 단말(미도시)의 경우 네트워크 기능을 보유함과 동시에 생체 신호 측정이 가능한 각종 센서가 실장된 스마트 워치, 주치의 단말(미도시)의 경우 데스크톱 PC임을 전제로 설명을 이어가도록 한다.
우선, 장치(100)가 환자 단말로부터 수신한 환자의 개인 건강 데이터(Personal Health Record, PHR) 측정값을 기초로 환자의 PHR 이상 점수 및 PHR 이상 등급 중 어느 하나 이상을 포함하는 PHR 평가치를 실시간으로 산정한다(S1310).
여기서 환자 단말(미도시)로부터 수신한 환자의 개인 건강 데이터는 환자 단말(미도시)에 실장된 센서에 따라 상이해질 수 있는바, 최대한 다양한 센서로부터 다양한 종류의 개인 건강 데이터를 모두 수신할 수 있을 것이나, 전용 어플리케이션 상에서의 환자 설정 또는 주치의 설정에 따라 환자의 상태 분석에 필요한 개인 건강 데이터만 수신하도록 함이 환자의 정확한 상태 분석과 저장 공간 상의 문제 그리고 데이터 낭비의 역효과를 방지할 수 있는 지름길이라 할 것이다.
예를 들어, 환자 단말(미도시)이 측정할 수 있는 개인 건강 데이터가 혈압, 체온, 심박수, 혈당량, 심전도인 경우, 당뇨 위험군에 속하는 환자일 경우 혈압과 혈당량만 개인 건강 데이터로 수신하도록 설정할 수 있을 것이다.
환자 단말(미도시)로부터 수신한 환자의 개인 건강 데이터는 환자 단말(미도시)이 발송 직전에 실시간으로 측정한 개인 건강 데이터이며, 전용 어플리케이션 상에서의 환자 설정 또는 주치의 설정에 따라 환자에 대한 개인 건강 데이터의 측정을 일정 시간을 주기로 하여 측정할 수 있도록 설정할 수 고, 더 나아가 일정 조건을 기준으로 측정할 수 있도록 설정할 수도 있다.
보다 구체적으로, 전자의 경우 예를 들어, 1시간, 6시간, 1일 등을 주기로 하여 혈당량을 측정해 발송하도록 하거나, 후자의 경우 예를 들어, 혈압이 일정 수치 이상이 되는 경우에만 혈당량을 측정하여 발송하도록 할 수 있다는 것이며, 후자는 어떠난 질환이나 질병을 가진 환자의 상태 분석에 활용할 수 있는 개인 건강 데이터가 서로 연관성이 존재하는 개인 건강 데이터일 경우에 보다 유용하게 활용할 수 있을 것이다.
장치(100)는 환자 단말(미도시)로부터 수신한 개인 건강 데이터 측정값을 기초로 환자의 PHR 이상 점수 및 PHR 등급 중 어느 하나 이상을 포함하는 PHR 평가치를 실시간으로 산정한다.
여기서 환자의 PHR 이상 점수와 PHR 등급은 앞선 설명과 동일하기에 중복 서술을 방지하기 위해 자세한 설명은 생략하도록 하며, PHR 평가치가 PHR 이상 점수 및 PHR 등급 중 어느 하나 이상을 포함하면 충분하기 때문에 PHR 이상 점수만을 산정하거나 또는 PHR 등급만을 산정할 수도 있고, 이들 둘 모두를 산정할 수도 있다 할 것이다.
한편, PHR 평가치를 산정함에 있어 PHR 이상 점수 및 PHR 등급 모두를 산정하는 경우에는 장치(100)가 포함하는 프로세서(10)를 병렬 프로세싱이 가능한 프로세서로 구현하거나 멀티 프로세서로 구현함으로써 연산 속도를 향상시킬 수도 있다 할 것이다.
PHR 평가치를 실시간으로 산정했다면, 장치(100)가 실시간으로 산정한 환자의 PHR 평가치가 기 설정한 임계값을 초과하는지 판단한다(S1320).
여기서 기 설정한 임계값은 앞선 S1310 단계에서 수신한 개인 건강 데이터의 종류에 따라 상이해질 수 있으며, PHR 평가치가 PHR 이상 점수만을 포함하는 경우에는 임계값이 점수로, PHR 평가치가 PHR 이상 등급만을 포함하는 경우에는 임계값이 등급으로, 이들 둘 모두를 포함하는 경우에는 임계값 각각이 점수와 등급으로 설정되어 있을 수 있다.
한편, 임계값은 전용 어플리케이션 상에서 환자에 따라 주치의가 같은 종류의 PHR 평가치라 할지라도 그 값을 개별적으로 설정할 수도 있는바, 예를 들어, A라는 환자는 고혈압 환자이며, B라는 환자는 당뇨 환자인 경우, 이들 둘로부터 혈압에 관한 PHR 평가치를 산정했다 할지라도 당뇨 환자에게 있어 혈압 수치 보다는 고혈압 환자에 있어 혈압 수치가 더욱 중요하기 때문에(당뇨 환자의 경우 혈당량이 가장 중요한 개인 건강 데이터에 해당함), 고혈압 환자에 대한 혈압의 임계값을 당뇨 환자에 대한 혈압의 임계값보다 낮게 설정할 수 있다는 것이며, 다만, 어느 경우에나 기 설정한 임계값은 후술할 내원 여부를 결정하는 기준이 되기 때문에 위험 수준 아니면 최소한 주의 수준에 이르는 정도를 가름하는 기준값으로 설정해야 할 것이다.
PHR 평가치가 기 설정한 임계값을 초과하는지 판단하였고, 판단 결과 초과한다면 장치(100)는 환자의 주치의 단말(미도시)에 실시간 알림을 발송한다(S1330).
여기서의 실시간 알림은 전용 어플리케이션 상에서 알림이나, 이와 별도로 대화형 메신저를 통한 알림 또는 문자 메시지를 통한 알림 어떠난 종류의 알림이든 무방하다 할 것이며, 해당 주치의와 환자-주치의 관계를 맺고 있는 환자가 내원이 필요한 상태인지를 판단해달라는 무언의 요청에 해당한다.
그에 따라 실시간 알림은 환자가 내원에 필요한 상태인지를 판단할 수 있는 소정의 정보를 포함할 수 있는바, 환자 단말(미도시)로부터 수신한 환자의 개인 건강 데이터의 측정값, 실시간으로 산정한 PHR 평가치, 현재 시점 기준으로 소정 기간 이내의 개인 건강 데이터의 측정값 또는 PHR 평가치의 변화 그래프 및 환자의 개인 정보 중 어느 하나 이상을 포함할 수 있으며, 환자의 개인 정보는 환자의 이름, 나이, 키, 몸무게, 성별, 직업, 보유하고 있는 질환이나 질병 여부 등을 포함할 수 있다.
더 나아가, 실시간 알림이 포함하고 있는 정보만으로 환자의 상태가 내원이 필요한 상태인지 판단이 어려울 경우, 장치(100)는 주치의 단말(미도시)을 통해 환자에 대한 문진 데이터나 다른 개인 건강 데이터에 대하여 산정한 PHR 평가치 또는 그에 대한 소정 시간 이내의 변화 그래프 등의 추가 발송 요청을 수신하고, 이를 주치의 단말(미도시)에 제공할 수 있을 것이다.
한편, PHR 평가치가 기 설정한 임계값을 초과하는지 판단하였고, 판단 결과 초과하지 않는다면 내원 일정을 예약함이 없이 프로세스가 그대로 종료될 수도 있으나, 이와 별개로 주치의 단말(미도시)에 설치된 전용 어플리케이션을 통해 내원이 필요하지는 않지만 각별한 주의 또는 신중한 관리가 필요하다는 메시지를 장치(100)를 통해 환자 단말(미도시)에 발송할 수 있을 것이며(S1335), 이 경우 환자는 자신의 건강 상태에 대하여 보다 주의를 기울일 수 있을 것이다.
주치의 단말(미도시)에 실시간 알림까지 발송했다면 환자는 내원이 필요한 상태인바, 장치(100)는 주치의 단말로부터 내원 요청 정보를 수신하여 환자의 내원이 가능한 일자 및 시간을 포함하는 복수 개의 후보 일정을 환자 달력 상에 표시하여 환자 단말(미도시)에 출력한다(S1340).
이와 같은 S1340 단계는 내원이 필요한 환자와 주치의 사이에서 내원 예약과 관련된 프로세스를 개시하는 단계로 볼 수 있는바, 이하 도 14를 참조하며 자세히 설명하도록 한다.
도 14는 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법에 있어서, S1340 단계를 구체화한 순서도이다.
그러나 이는 본 발명의 목적을 달성함에 있어서 바람직한 실시 예일 뿐이며, 필요에 따라 일부 단계가 추가 또는 삭제될 수 있음은 물론이며, 어느 한 단계가 다른 단계에 포함되어 수행될 수도 있다.
우선, 장치(100)가 주치의 단말(미도시)로부터 주치의가 스스로 선택한 환자의 내원이 가능한 일자 및 시간을 포함하는 복수 개의 주치의 선택 후보 일정을 포함하는 내원 요청 정보를 수신한다(S1340-1).
내원이란 병원을 환자가 방문하는 것이므로 의사의 진료 스케쥴에 따라야 하는 것이 일반적인바, 의사인 주치의 스스로 환자의 진료가 가능한 시간을 선택하여 먼저 제시하는 것이며, 이를 통해 본 발명이 내원 일정을 주치의 능동적으로 예약할 수 있게 되는 것이다.
주치의 단말(미도시)은 환자의 내원이 가능한 일자 및 시간을 포함하는 복수 개의 주치의 선택 후보 일정을 포함하는 내원 요청 정보를 장치(100)에 발송하는바, 내원 요청 정보는 전용 어플리케이션 상에서 주치의 달력 출력과 이에 대한 선택을 통해 생성될 수 있다.
보다 구체적으로, 주치의 달력에는 장치(100)를 통해 내원 예약을 완료한 스케쥴이 자동으로 표시되어 있음과 더불어 장치(100)가 아니라 병원을 통해 걸려온 전화 등에 따른 예약 스케쥴도 주치의 단말(미도시)을 통해 수기로 표시할 수 있다. 주치의는 주치의 단말(미도시)에 출력되고 있는 주치의 달력을 참고하여 환자의 내원이 가능한 일자 및 시간을 손쉽게 선택할 수 있을 것이며, 내원이 가능한 일자 및 시간의 선택은 복수 개를, 아울러 일자의 경우 동일한 일자 내에서 복수 개의 시간을 선택하는 것보다 여러 일자에서 복수 개의 시간을 선택하는 것이 환자로 하여금 내원 일자 및 시간의 선택에 자유도를 부여할 수 있는 방안이 될 수 있을 것이다.
한편, 장치(100)는 주치의가 내원이 가능한 일자 및 시간의 선택을 용이하게 할 수 있도록 하기 위해 주치의 달력 상에서 내원이 가능한 일자 및 시간을 자동으로 검색하여 주치의 달력 상에 별도로 표시함으로써 주치의 입장에서 선택의 편의성 향상에 이바지할 수도 있다.
이후, 장치(100)가 수신한 내원 요청 정보가 포함하는 복수 개의 주치의 선택 후보 일정과 상이한 일자 및 시간을 복수 개 포함하는 복수 개의 장치 선택 후보 일정을 선택한다(S1340-2).
앞서 S1340-1 단계에서는 주치의 스스로 주치의 달력을 참조하여 내원 가능한 일자 및 시간을 주치의 선택 후보 일정으로 선택한 것이라면, S1340-2 단계에서는 이와 상이한 일자 및 시간을 장치(100)가 스스로 선택하는 것이다.
장치(100)가 장치 선택 후보 일정을 선택함에 있어서는 앞서 S1340-1 단계에서 주치의 달력 상에서 내원이 가능한 일자 및 시간을 자동으로 검색하여 주치의 달력 상에 별도로 표시한 일자 및 시간 중, 주치의로부터 선택 받지 못한 일자 및 시간 중에서 선택할 수 있을 뿐만 아니라, 환자의 개인 정보 중, 환자의 직업에 대한 정보를 활용할 수도 있다.
예를 들어, 환자의 직업이 회사원이라면 일반적인 회사원의 점심 시간에 해당하는 평일 오후 12시 내지는 1시 사이의 시간을 선택할 수 있을 것이며, 환자의 직업이 가정 주부라면 자녀가 어린이집이나 학교에 등교한 시간인 오전 10시 내지는 오후 12시 사이의 시간을 선택할 수 있을 것이다.
한편, 장치 선택 후보 일정 역시 앞서 주치의 선택 후보 일정과 마찬가지로 내원 가능한 일자 및 시간을 복수 개 선택하는 것이 바람직할 것인바, 이 역시 환자에게 선택의 자유도를 부여하는 방안이 될 것이다.
마지막으로, 장치(100)가 복수 개의 주치의 선택 후보 일정 및 장치 선택 후보 일정을 포함하는 복수 개의 후보 일정을 환자 달력 상에 표시하여 환자 단말에 출력한다(S1340-3).
장치(100)는 환자 단말에 복수 개의 후보 일정을 표시하여 출력함에 있어서 주치의 선택 후보 일정과 장치 선택 후보 일정을 구별하여 표시할 수 있는바, 주치의가 선호하는 일자 및 시간을 그 이외의 일자 및 시간과 구별하기 위함이며, 구별하지 않고 단순히 내원 가능한 일자 및 시간으로써 동일하게 표시할 수 있음은 물론이라 할 것이다.
다시 도 13에 대한 설명으로 돌아가도록 한다.
복수 개의 후보 일정을 환자 달력 상에 표시하여 환자 단말(미도시)에 출력했다면, 장치(100)가 환자 단말(미도시)로부터 복수 개의 후보 일정 중, 어느 하나에 대한 선택 정보를 수신하여 내원 예약을 완료하고, 환자 달력 상에 표시하여 환자 단말(미도시)에 출력하며(S1350), 주치의 달력 상에도 표시하여 주치의 단말(미도시)에 출력한다(S1360).
환자 달력 상에서 복수 개의 후보 일정 중 어느 하나에 대한 선택 정보를 수신했다면 내원 예약이 완료된 것으로 볼 수 있으며, 장치(100)는 환자 달력 및 주치의 달력을 업데이트하여 선택 정보를 수신한 일자 및 시간을 표시해 환자 단말(미도시)과 주치의 단말(미도시)에 출력할 수 있다.
한편, 예약 완료와 관련하여 주치의 단말(미도시)을 통해 전용 어플리케이션 상에서 주치의의 예약 완료 승인 정보를 수신한 경우에만 환자가 선택한 일자 및 시간에 예약이 완료된 것으로 표시하게 할 수도 있으며, 복수 개의 후보 일정을 환자 달력 상에 표시함에 있어서 환자의 개인 일정을 검색 또는 로딩하여 복수 개의 후보 일정과 중복되는 개인 일정이 존재하는 경우, 해당 중복되는 후보 일정에 대해서는 환자가 선택할 수 없도록 처리하여 환자 달력을 출력할 수 있을 것이다.
이상 설명한 S1350 단계 및 S1360 단계는 주치의 또는 장치(100)가 환자에게 먼저 제시한 복수 개의 후보 일정 중, 어느 하나의 일정을 환자가 곧바로 선택한 경우에 관한 것이며, 검색 또는 로딩할 수 없는 다른 개인 일정으로 인해 복수 개의 후보 일정 그 어느 것도 선택이 불가능할 수도 있을 것인바, 이러한 경우에는 내원 예약을 어떻게 진행할지 문제된다.
이와 같은 경우 장치(100)는 환자 단말(미도시)로부터 환자 스스로 선택한 환자의 내원이 가능한 일자 및 시간을 포함하는 복수 개의 환자 선택 후보 일정을 포함하는 내원 요청 정보를 수신하며, 장치(100) 스스로 복수 개의 환자 선택 후보 일정과 상이한 일자 및 시간을 복수 개 포함하는 복수 개의 장치 선택 후보 일정을 선택하여 환자 선택 후보 일정과 함께 주치의 달력 상에 표시하여 주치의 단말(미도시)에 출력할 수 있다. 주치의는 주치의 단말(미도시)에 출력된 주치의 달력을 확인하여 어느 하나의 일자 및 시간을 선택할 수 있으며, 그 상태로 내원 예약이 완료되거나 또는 환자의 예약 완료 승인 정보를 수신한 경우에만 내원 예약이 완료된 것으로 처리하게 할 수 있다.
한편, 장치(100)가 주치의 달력에 환자가 선택한 환자 선택 후보 일정과 장치(100)가 선택한 장치 선택 후보 일정을 출력함에 있어 주치의의 예약 완료 일정을 검색 또는 로딩하여 환자가 선택한 환자 선택 후보 일정과 장치(100)가 선택한 장치 선택 후보 일정과 중복되는 예약 완료 일정이 존재하는 경우, 해당 중복되는 후보 일정에 대해서는 주치의가 선택할 수 없도록 처리하여 주치의 달력을 출력할 수 있을 것이다.
즉, 이상의 경우는 앞서 설명한 S1340 단계 내지 S1360 단계에서 환자 또는 환자 단말(미도시)에 대한 설명과 주치의 또는 주치의 단말(미도시)에 대한 설명이 서로 뒤바뀐 것으로 볼 수 있으며, 내원 예약이 완료된 이후 일방의 요청으로 인해 예약의 변경이 필요한 경우에도 적용될 수 있는 설명으로 볼 수 있을 것이다.
이상 설명한 S1310 단계 내지 S1360 단계에 따라 환자의 내원 일정은 예약 완료된 것으로 볼 수 있으며, 이하 환자 단말(미도시)의 전용 어플리케이션 상에 출력되는 환자 달력 또는 주치의 단말(미도시)의 전용 어플리케이션 상에 출력되는 주치의 달력을 포함하는, 본 발명에서 일정 관리에 중요한 구성이 되는 달력에 대하여 설명하도록 한다.
내원 예약이 완료된 경우 환자 달력과 주치의 달력 모두에 예약이 완료된 일자 및 시간이 표시되며, 공간상의 이유로 달력 자체에는 다수의 텍스트가 표시되기 어렵기 때문에 일자와 시간만 표시되며, 해당 시간을 선택하는 경우 해당 내원 예약에 대한 세부 정보가 팝업 형식 등으로 출력될 수 있다.
여기서 내원 예약에 대한 세부 정보는 환자명, 주치의명, 내원 예정 시간, 질환정보, 환자 개인 정보 등과 같은 기본 정보 외에도 주치의가 입력한 내원 시 유의 사항이나 추가 문진표 또는 환자가 입력한 문의 사항 등의 정보를 포함할 수 있다.
한편, 환자 달력에는 내원 예약에 관한 정보 이외에 개인 건강 데이터를 측정해야 하는 날짜와 시간이 장치(100)에 의해 자동으로 표시될 수 있으며, 해당 날짜와 시간은 앞서 설명한 측정 주기에 의할 수 있다. 더 나아가 환자 스스로 측정 날짜와 시간을 환자 달력에 표시할 수 있음은 뭄론이라 할 것이며, 환자 개인 일정의 경우 전용 어플리케이션 상의 환자 달력에 표시하지 않을 수도 있으므로 Google 달력, Outlook 달력 등과 같은 외부 달력 서비스와 연계를 통해 각각의 달력에 표시된 일정을 동기화시킬 수도 있다 할 것이다.
이와 별개로 환자는 전용 어플리케이션을 통해 주치의 달력 또는 주치의가 아닌 다른 의사의 달력을 조회할 수 있을 것인바, 해당 달력에는 내원 예약이 가능한 일자 및 시간이 표시되어 있을 것이므로 이를 확인하여 내원 예약도 곧바로 가능할 것이나, 예약이 완료된 일자 및 시간에 관하여 다른 예약자의 정보와 관련된 상세 정보는 확인할 수 없을 것이다. 개인 정보와 관련된 사항이기 때문이다.
주치의 달력은 전용 어플리케이션이 설치된 주치의 단말(미도시)의 소유자인 한 명의 주치의만 확인할 수 있을 뿐만 아니라, 하나의 병원에 다수의 의사들이 근무하는 경우, 해당 병원 자체에 대한 달력을 주치의 달력으로 취급하여 여러 의사들이 자신의 단말을 통해 공유할 수도 있다. 이 경우 주치의 달력에 표시된 내원 예약 정보는 각 의사들의 개인용 외부 달력에 동기화를 통해 기록될 수 있지만, 달력 조회 시에는 주치의 자신의 외부 달력에 표시된 내원 예약 정보만 조회될 수 있을 것이다.
한편, 환자의 경우와 반대로 주치의는 전용 어플리케이션을 통한다 할지라도 환자의 달력을 조회할 수 없는바, 내원 예약과 무관한 환자의 개인 정보가 포함되어 있을 수 있기 때문이다.
본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법은 S1360 단계 이후에, 장치(100)가 주치의 단말(미도시)에 주치의와 환자-주치의 관계를 맺고 있는 환자 중, PHR 평가치가 기 설정한 임계값을 초과한 이력을 하루 24시간 내에 보유한 환자 리스트를 발송하는 단계(S1370)을 더 포함할 수 있으며, 주치의 입장에서 하루 진료를 마무리하는 시점에 내원이 필요한 환자들에게 내원을 권유했는지 또는 내원 예약이 완료되었는지를 한번 더 확인할 수 있게 함으로써 자신이 담당하고 있는 환자들의 건강 상태를 보다 충실하고 완벽하게 관리하도록 이바지할 수 있다.
더 나아가, 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법은 S1360 단계 이후에, 장치(100)가 환자 단말(미도시)에게 내원 예약에 따른 내원 요청 알림을 발송하는 단계(S1380)을 더 포함할 수 있으며, 내원 요청 알림은 내원 예약 하루 전과 내원 당일 오전 시간, 내원 예약 한 시간 전 등과 같이 전용 어플리케이션 상에서 설정에 의해 알림을 발송하는 시기를 설정할 수 있으며, 내원 요청 알림 역시 전용 어플리케이션 상에서 푸쉬 알림 또는 대화형 메신저를 통한 알림이나 문자 메시지를 통한 알림 어떠난 종류의 알림이든 무방하다 할 것이다.
또한, 장치(100)는 내원 요청 알림을 발송함에 있어 내원 전 유의 사항, 예를 들어 내원 6시간 전에는 금식이 필요하다거나 아스피린 등의 약물의 복용을 금한다거나 하는 등의 정보를 함께 발송할 수 있으며, 내원 전 유의 사항은 주치의 단말(미도시)을 통해 주치의가 입력하거나 장치(100)가 내원 예약 정보에 기초하거나 기 구축한 내원 시 유의 사항 데이터베이스 등을 통해 자동으로 입력할 수도 있다 할 것이다.
한편, 주치의의 경우 환자의 내원이 예약된 일자에 출근하지 않을 가능성이 희박하기에 환자 단말(미도시)에게 내원 요청 알림을 발송하는 것처럼 알림을 발송하지는 않으나, 주치의가 출근한 경우 주치의 단말(미도시) 상에 그날 내원이 예약된 환자의 목록을 전용 어플리케이션 상에 출력함으로써 당일 진료할 환자를 한번 더 확인할 수 있도록 이바지할 것이다.
한편, 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법은 도 15에 도시된 바와 같이 S1360 단계 이후에, 장치(100)가 내원 예약 일자의 하루 전에 환자 단말(미도시)에 내원의 원인이 되는 개인 건강 데이터의 측정 요청 알림을 발송하는 단계(S1390)를 더 포함할 수 있으며, 여기서 개인 건강 데이터의 측정 요청 알림은, 내원의 원인이 되는 개인 건강 데이터에 관한 문진표 및 주치의가 진료 과정에서 환자에게 문의하게 될 항목에 관한 문진표 중 어느 하나 이상을 포함할 수 있는바, 환자의 실제 내원 시, 진료 시간을 단축시킬 수 있다.
장치(100)가 내원의 원인이 되는 개인 건강 데이터의 측정을 내원 예약 일자의 하루 전에 요청하는 것은 내원 예약 일자로부터 너무 먼 시기에 측정하는 것은 내원 당일과 환자의 상태가 현저하게 다를 수 있기 때문에 최대한 내원 예약 일자와 근접한 시기에서 측정하게 함으로써 환자 상태의 정확한 파악을 위함인바, 주치의의 설정 또는 내원의 원인이 되는 개인 건강 데이터의 종류에 따라 내원 전 측정 시기를 다르게 요청할 수 있음은 물론이라 할 것이다.
이번에는 장치(100)가 환자의 편의를 위해 제공하는 부가적인 기능에 대하여 설명하도록 한다.
장치(100)는 내원 예약 당일, 환자의 아침 기상 시간에 맞춰 기온이나 오늘의 날씨 등과 같은 외부 환경 정보를 파악하여, 내원 예약 정보와 함께 전용 어플리케이션을 통해 환자 단말(미도시)에 알림을 발송할 수 있다. 예를 들어, 비가 오면 우산을 지참하라, 눈이 내리는 경우 대중 교통을 이용하라, 눈이 오니 평소보다 일찍 출발해라 등과 같은 주의 사항이 그것일 수 있으며, 이와 같은 주의 사항은 기 구축한 주의 사항 데이터베이스 등을 이용할 수 있을 것이다.
한편, 장치(100)는 내원 예약 당일에 외부 지도 서비스와 연동을 통해 환자 단말(미도시)의 현재 위치에 기반하여 병원까지의 이동 경로와 예상 소요 시간을 산정할 수 있으며, 예상 소요 시간은 대중 교통을 이용하는 경우와 자차를 이용하는 경우로 나누어 산정할 수 있고, 병원까지의 이동 경로가 짧은 경우 도보로의 예상 소요 시간도 함께 산정하여 전용 어플리케이션을 통해 출력할 수 있다.
이와 같은 이동 경로와 예상 소요 시간은 소정 시간, 예를 들어 30분이나 1시간 등을 주기로 하여 지속적으로 재산정해 전용 어플리케이션을 통해 출력할 수 있으며, 예상 소요 시간 중 가장 오래 걸리는 최대 예상 소요 시간 보다 30분 더 남은 시점에 전용 어플리케이션을 통해 내원을 준비하라는 알림을 발송할 수 있게 함으로써 환자로 하여금 내원 예약 시간에 늦지 않게 도착할 수 있도록 이바지할 수 있다.
아울러, 장치(100)는 전용 어플리케이션을 통해 내원 예약 시간 10분 전에 환자 단말(미도시)의 GPS 정보를 이용하여 병원과의 남은 거리를 산정해 10분 내에 도착하지 못할 것이 예상되는 경우, 주치의 단말(미도시)에 도착 예정 시간을 포함하는 알림을 발송할 수 있으며, 이를 확인한 주치의는 내원 예정 시간에 다른 환자의 진료를 봄으로써 시간을 효율적을 활용할 수 있게 될 것이다.
한편, 편의 기능과 관련하여 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법은 도 16에 도시된 바와 같이 S1360 단계 이후에, 장치(100)가 환자 단말(미도시)로부터 환자가 내원을 위해 병원에 도착한 시간 및 환자가 진료를 받고 병원을 떠난 시간을 수신하여 환자가 병원에 머문 시간인 진료 시간을 산정하는 단계(S1396), 진료 시간을 전용 어플리케이션을 통해 내원 예약을 완료하고 내원한 모든 환자에 대하여 산정하는 단계(S1398) 및 산정한 진료 시간 및 그에 대응하는 내원 예약 정보를 학습하여 병원에 대한 요일 및 시간대 별 진료 시간을 예측하여 환자 단말(미도시)에 출력하는 단계(S1399)를 더 포함할 수 있는바, 해당 병원에 대한 요일 및 시간대 별 진료 시간 정보를 환자에게 제공함으로써 추후 내원 예약 시 병원 선택에 이바지할 수 있다.
여기서 환자가 내원을 위해 병원에 도착한 시간 및 환자가 진료를 받고 병원을 떠난 시간은 환자 단말(미도시)의 GPS 정보를 이용할 수 있으나, 건물 내에서의 GPS 정보는 정확도가 떨어질 수 있으므로 GPS 정보와 더불어 환자가 전용 어플리케이션을 통해 병원 도착 및 병원을 떠난 시점을 수동으로 선택하게, 일종의 출석 체크 등과 같은 프로세스를 환자에게 부여함으로써 보다 정확한 진료 시간 산정이 가능하게 할 수 있다.
한편, 진료 시간은 전용 어플리케이션을 통해 내원 예약을 완료하고 내원한 모든 환자에 대하여 산정하는 것이기 때문에 전용 어플리케이션의 서비스 초기에는 진료 시간 산정을 위한 학습 데이터가 적을 수 있는바, 이와 같은 경우 해당 요일의 특정 시간대에 대한 평균 진료 시간을 산정하여 출력함으로써 환자의 편의성을 향상시킬 수도 있을 것이다.
지금까지 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법에 대하여 설명하였다. 본 발명에 따르면, 복잡하고 번거로운 전화 예약 과정 없이 전용 어플리케이션 상에서 환자 달력과 주치의 달력에 표시된 일정을 기초로 손쉽게 내원 예약을 완료할 수 있다. 또한, 주치의가 환자의 개인 건강 데이터 측정값을 모니터링하여 내원이 필요하다고 판단되는 경우, 내원을 먼저 권유하여 내원 예약이 이루어지는바, 환자가 자신의 몸 상태가 좋지 않아졌다고 느낌에도 불구하고 귀찮음으로 인해 내원을 치일피일 미루는 상황을 방지할 수 있다. 아울러, 병원에 대한 요일 및 시간대 별 진료 시간을 예측하여 환자에게 제공하는바, 환자 입장에서 자신의 일정에 최적화된 내원 일정을 예약할 수 있을 뿐만 아니라, 내원하고자하는 병원 선택에 도움을 줄 수도 있다. 마지막으로 내원 전날 환자로 하여금 개인 건강 데이터를 측정하게 하고 문진표를 작성하게 함으로써 진료 시간을 단축시킬 수 있으며, 내원 당일 내원 예약 시간에 늦지 않도록 교통 정보까지 제공하는바, 내원 예약부터 실제 방문을 거쳐 진료에 이르기까지 환자의 편의성을 극대화한 논스톰 서비스를 제공할 수 있다.
이상 설명한 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법은 동일한 기술적 특징을 전부 포함하는 본 발명의 제3 실시 예에 따른 매체에 저장된 컴퓨터 프로그램으로 구현할 수 있는바, 중복 서술을 방지하기 위해 자세히 설명하지 않겠지만 이상 설명한 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법에 적용되는 기술적 특징 모두, 본 발명의 제3실시 예에 따른 매체에 저장된 컴퓨터 프로그램에 동일하게 적용될 수 있음은 물론이다.
이번에는 본 발명의 제4 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 병원 추천 장치(100)에 대하여 설명하도록 하며, 보다 구체적으로 환자-주치의 관계가 맺어진 상태에 대한 실시 예인 본 발명의 제1 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 주치의 주도적 내원 권유 장치(100) 내지 본 발명의 제3 실시 예에 따른 매체에 저장된 컴퓨터 프로그램과 다르게, 환자-주치의 관계가 맺어지지 않은 상태에서 이를 위해 병원을 추천하는 장치 및 방법에 관한 것이다.
이를 위해 도 12를 다시 참조하는바, 도 12는 본 발명의 제1 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 주치의 주도적 내원 권유 장치(100)가 포함하는 전체 구성이기도 하지만 구성의 모식도이기 때문에 본 발명의 제4 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 병원 추천 장치(100)가 포함하는 전체 구성을 나타낸 도면에 해당하기도 하기에 동일한 도면을 재차 첨부하지 않고 도 12를 다시 참조하여 설명을 이어가도록 한다.
그러나 이는 본 발명의 목적을 달성하기 위한 바람직한 실시 예일 뿐이며, 필요에 따라 일부 구성이 추가되거나 삭제될 수 있고, 어느 한 구성이 수행하는 역할을 다른 구성이 함께 수행할 수도 있음은 물론이다.
본 발명의 제4 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 병원 추천 장치(100)는 프로세서(10), 네트워크 인터페이스(20), 메모리(30), 스토리지(40) 및 이들을 연결하는 데이터 버스(50)를 포함할 수 있으며, 그 자체로써 독립된 장치로 구현하거나 인하우스 시스템 및 공간 임대형 시스템 등과 같은 유형의 물리적인 서비스 서버 또는 무형의 클라우드(Cloud) 서비스 서버 등과 같은 형태로 구현할 수도 있다 할 것이다.
프로세서(10)는 각 구성의 전반적인 동작을 제어한다. 프로세서(10)는 CPU(Central Processing Unit), MPU(Micro Processer Unit), MCU(Micro Controller Unit) 또는 본 발명이 속하는 기술 분야에서 널리 알려져 있는 형태의 프로세서 중 어느 하나일 수 있으며, 머신러닝 모델 프로세서 또는 딥러닝 모델 프로세서 등과 같이 인공지능 모델 프로세서로 구현할 수 있다. 아울러, 프로세서(10)는 본 발명의 제5 실시 예에 따른 환자-주치의 관계를 맺을 병원을 추천하는 방법을 수행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다.
네트워크 인터페이스(20)는 본 발명의 제4 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 병원 추천 장치(100)의 유무선 인터넷 통신을 지원하며, 그 밖의 공지의 통신 방식을 지원할 수도 있다. 따라서 네트워크 인터페이스(20)는 그에 따른 통신 모듈을 포함하여 구성될 수 있다.
메모리(30)는 각종 정보, 명령 및/또는 정보를 저장하며, 본 발명의 제2 실시 예에 따른 환자-주치의 관계를 맺을 병원을 추천하는 방법을 수행하기 위해 스토리지(40)로부터 하나 이상의 컴퓨터 프로그램(41)을 로드할 수 있다. 도 12에서는 메모리(30)의 하나로 RAM을 도시하였으나 이와 더불어 다양한 저장 매체를 메모리(30)로 이용할 수 있음은 물론이다.
스토리지(40)는 하나 이상의 컴퓨터 프로그램(41) 및 대용량 네트워크 정보(42)를 비임시적으로 저장할 수 있다. 이러한 스토리지(40)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 널리 알려져 있는 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체 중 어느 하나일 수 있다.
컴퓨터 프로그램(41)은 메모리(30)에 로드되어, 하나 이상의 프로세서(10)가 (A) 환자 단말로부터 수신한 환자의 개인 건강 데이터(Personal Health Record, PHR) 측정값을 기초로 상기 환자의 PHR 이상 점수 및 PHR 이상 등급 중 어느 하나 이상을 포함하는 PHR 평가치를 실시간으로 산정하는 오퍼레이션, (B) 상기 실시간으로 산정한 환자의 PHR 평가치가 기 설정한 임계값을 초과하는지 판단하는 오퍼레이션, (C) 상기 (B) 오퍼레이션 의 판단 결과, 초과한다면 상기 환자 단말의 위치 정보를 이용하여 상기 PHR 평가치에 관한 항목의 진료가 가능한 추천 병원을 병원 정보 데이터베이스에서 산출하여 복수 개 출력하는 오퍼레이션, (D) 상기 환자 단말로부터 상기 출력한 복수 개의 추천 병원 중, 어느 하나에 대한 선택 정보를 수신하여 내원 예약을 완료하는 오퍼레이션 및 (E) 상기 환자 단말로부터 상기 출력한 복수 개의 추천 병원 중, 어느 하나에 대한 선택 정보를 수신하여 상기 환자에 대한 환자-주치의 관계를 맺은 주치의 병원으로 등록하는 오퍼레이션을 실행할 수 있다.
이상 간단하게 언급한 컴퓨터 프로그램(41)이 수행하는 오퍼레이션은 컴퓨터 프로그램(41)의 일 기능으로 볼 수 있으며, 보다 자세한 설명은 본 발명의 제5 실시 예에 따른 환자-주치의 관계를 맺을 병원을 추천하는 방법에 대한 설명에서 후술하도록 한다.
데이터 버스(50)는 이상 설명한 프로세서(10), 네트워크 인터페이스(20), 메모리(30) 및 스토리지(40) 사이의 명령 및/또는 정보의 이동 경로가 된다.
이상 설명한 본 발명의 제4 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 병원 추천 장치(100)가 독립된 장치의 형태, 예를 들어 서버의 형태로 구현된 경우 이에 접속하여 개인 건강 데이터를 발송하는 환자 단말(미도시)은 환자의 생체 신호를 측정할 수 있는 다양한 센서가 실장된 단말일 수 있으며, 단말의 구체적인 종류는 어떠난 것이라도 무방하다 할 것이다.
한편, 병원 단말(미도시)은 의사의 생체 신호를 측정할 필요는 없기에 이를 위한 센서가 실장된 단말일 필요는 없으며, 병원에서 진료를 수행하는 업무의 특성상, 개인용 데스크톱이나 노트북 PC 등이 주치의 단말(미도시)의 대표적인 모습이라 할 것이나, 의사가 환자의 입장이 되는 경우도 발생할 수 있기 때문에 환자 단말(미도시)과 같은 종류의 단말인 경우를 제외하는 것은 아니라 할 것이다.
또 다른 한편, 환자 단말(미도시)과 병원 단말(미도시) 모두 네트워크를 통해 본 발명의 제4 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 병원 추천 장치(100)에 접속하여 환자의 내원 일정을 능동적으로 예약하는 방법을 제공 받을 수 있을 것인바, 이를 위해 환자 단말(미도시)과 주치의 단말(미도시) 모두에는 전용 어플리케이션(Application)이 설치되어 있을 것이다. 즉, 전용 어플리케이션은 그 자체가 본 발명의 제4 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 병원 추천 장치(100)가 제공하는 특정 기능을 환자 단말(미도시)과 병원 단말(미도시)에게 제공하거나 이들로부터 각종 정보를 수신하는 매개체로의 역할을 수행하는 구성이라 할 것이다.
조금 더 쉽게 설명하면, 여기서의 전용 어플리케이션은 앞서 설명한 본 발명의 제1 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 주치의 주도적 내원 권유 장치(100) 내지 본 발명의 제3 실시 예에 따른 매체에 저장된 컴퓨터 프로그램에서 언급한 전용 어플리케이션과 동일한 어플리케이션으로 볼 수 있으며, 환자 단말(미도시) 역시 마찬가지이고, 병원 단말(미도시)의 경우 주치의 단말(미도시)와 동일한 구성으로 보면 본 실시 예를 이해하는데 문제가 없을 것으로 사료된다 할 것이다.
이하, 본 발명의 제5 실시 예에 따른 환자-주치의 관계를 맺을 병원을 추천하는 방법에 대하여 도 17 내지 도 XX를 참조하여 설명하도록 한다.
도 17은 본 발명의 제5 실시 예에 따른 환자-주치의 관계를 맺을 병원을 추천하는 방법의 대표적인 단계를 나타낸 순서도이다.
그러나 이는 본 발명의 목적을 달성함에 있어서 바람직한 실시 예일 뿐이며, 필요에 따라 일부 단계가 추가 또는 삭제될 수 있음은 물론이며, 어느 한 단계가 다른 단계에 포함되어 수행될 수도 있다.
또한, 각 단계는 앞서 본 발명의 제4 실시 예에 따른 환자의 개인 건강 데이터 실시간 모니터링에 따른 병원 추천 장치(100, 이하 "장치"라고 한다), 구현 형태는 서버의 형태에 의해 수행됨을 전제로 하며, 환자 단말(미도시)의 경우 네트워크 기능을 보유함과 동시에 생체 신호 측정이 가능한 각종 센서가 실장된 스마트 워치, 병원 단말(미도시)의 경우 데스크톱 PC임을 전제로 설명을 이어가도록 한다. 도 1에 도시된 지능형 헬스케어 장치(3)가 병원 추천 장치(100)로 이용될 수 있다.
우선, 장치(100)가 환자 단말로부터 수신한 환자의 개인 건강 데이터(Personal Health Record, PHR) 측정값을 기초로 환자의 PHR 이상 점수 및 PHR 이상 등급 중 어느 하나 이상을 포함하는 PHR 평가치를 실시간으로 산정한다(S1710).
여기서 환자 단말(미도시)로부터 수신한 환자의 개인 건강 데이터는 환자 단말(미도시)에 실장된 센서에 따라 상이해질 수 있는바, 최대한 다양한 센서로부터 다양한 종류의 개인 건강 데이터를 모두 수신할 수 있을 것이나, 전용 어플리케이션 상에서의 환자 설정 또는 주치의 설정에 따라 환자의 상태 분석에 필요한 개인 건강 데이터만 수신하도록 함이 환자의 정확한 상태 분석과 저장 공간 상의 문제 그리고 데이터 낭비의 역효과를 방지할 수 있는 지름길이라 할 것이다.
예를 들어, 환자 단말(미도시)이 측정할 수 있는 개인 건강 데이터가 혈압, 체온, 심박수, 혈당량, 심전도인 경우, 당뇨 위험군에 속하는 환자일 경우 혈압과 혈당량만 개인 건강 데이터로 수신하도록 설정할 수 있을 것이다.
환자 단말(미도시)로부터 수신한 환자의 개인 건강 데이터는 환자 단말(미도시)이 발송 직전에 실시간으로 측정한 개인 건강 데이터이며, 전용 어플리케이션 상에서의 환자 설정 또는 후술할 주치의 설정에 따라 환자에 대한 개인 건강 데이터의 측정을 일정 시간을 주기로 하여 측정할 수 있도록 설정할 수 고, 더 나아가 일정 조건을 기준으로 측정할 수 있도록 설정할 수도 있다.
보다 구체적으로, 전자의 경우 예를 들어, 1시간, 6시간, 1일 등을 주기로 하여 혈당량을 측정해 발송하도록 하거나, 후자의 경우 예를 들어, 혈압이 일정 수치 이상이 되는 경우에만 혈당량을 측정하여 발송하도록 할 수 있다는 것이며, 후자는 어떠난 질환이나 질병을 가진 환자의 상태 분석에 활용할 수 있는 개인 건강 데이터가 서로 연관성이 존재하는 개인 건강 데이터일 경우에 보다 유용하게 활용할 수 있을 것이다.
장치(100)는 환자 단말(미도시)로부터 수신한 개인 건강 데이터 측정값을 기초로 환자의 PHR 이상 점수 및 PHR 등급 중 어느 하나 이상을 포함하는 PHR 평가치를 실시간으로 산정한다.
여기서 환자의 PHR 이상 점수와 PHR 등급은 앞선 설명과 동일하기에 중복 서술을 방지하기 위해 자세한 설명은 생략하도록 하며, PHR 평가치가 PHR 이상 점수 및 PHR 등급 중 어느 하나 이상을 포함하면 충분하기 때문에 PHR 이상 점수만을 산정하거나 또는 PHR 등급만을 산정할 수도 있고, 이들 둘 모두를 산정할 수도 있다 할 것이다.
한편, PHR 평가치를 산정함에 있어 PHR 이상 점수 및 PHR 등급 모두를 산정하는 경우에는 장치(100)가 포함하는 프로세서(10)를 병렬 프로세싱이 가능한 프로세서로 구현하거나 멀티 프로세서로 구현함으로써 연산 속도를 향상시킬 수도 있다 할 것이다.
PHR 평가치를 실시간으로 산정했다면, 장치(100)가 실시간으로 산정한 환자의 PHR 평가치가 기 설정한 임계값을 초과하는지 판단한다(S1720).
여기서 기 설정한 임계값은 앞선 S1710 단계에서 수신한 개인 건강 데이터의 종류에 따라 상이해질 수 있으며, PHR 평가치가 PHR 이상 점수만을 포함하는 경우에는 임계값이 점수로, PHR 평가치가 PHR 이상 등급만을 포함하는 경우에는 임계값이 등급으로, 이들 둘 모두를 포함하는 경우에는 임계값 각각이 점수와 등급으로 설정되어 있을 수 있다.
한편, 임계값은 전용 어플리케이션 상에서 환자에 따라 주치의가 같은 종류의 PHR 평가치라 할지라도 그 값을 개별적으로 설정할 수도 있는바, 예를 들어, A라는 환자는 고혈압 환자이며, B라는 환자는 당뇨 환자인 경우, 이들 둘로부터 혈압에 관한 PHR 평가치를 산정했다 할지라도 당뇨 환자에게 있어 혈압 수치 보다는 고혈압 환자에 있어 혈압 수치가 더욱 중요하기 때문에(당뇨 환자의 경우 혈당량이 가장 중요한 개인 건강 데이터에 해당함), 고혈압 환자에 대한 혈압의 임계값을 당뇨 환자에 대한 혈압의 임계값보다 낮게 설정할 수 있다는 것이며, 다만, 어느 경우에나 기 설정한 임계값은 후술할 내원 여부를 결정하는 기준이 되기 때문에 위험 수준 아니면 최소한 주의 수준에 이르는 정도를 가름하는 기준값으로 설정해야 할 것이다.
이상 설명한 S1710 단계 및 S1720 단계는 앞서 설명한 S1310 단계 및 S1320 단계에 대한 설명과 동일하며, 이하의 S1730 단계에 대한 설명부터 환자-주치의 관계가 맺어지지 않은 상태로 인한 병원 추천 프로세스를 본격적으로 개시하는 설명에 해당한다고 할 것이다.
PHR 평가치가 기 설정한 임계값을 초과하는지 판단하였고, 판단 결과 초과한다면 장치(100)는 환자 단말(미도시)의 위치 정보를 이용하여 PHR 평가치에 관한 항목의 진료가 가능한 추천 병원을 병원 정보 데이터베이스에서 산출하여 복수 개 출력한다(S1730).
여기서 PHR 평가치에 관한 항목의 진료가 가능한 추천 병원이란 PHR 평가치 산정의 기초가 되는 개인 건강 데이터 측정값 그리고 이와 연관되는 질환이나 질병에 대한 진료를 수행하는 병원에 관한 것인바, 예를 들어 개인 건강 데이터 측정값이 혈당량인 경우, 고혈압 관련된 진료가 가능한 내과를 추천 병원으로 출력할 수 있는 것이다.
한편, 추천 병원을 산출하여 복수 개 출력함에 있어서 환자 단말(미도시)로부터 소정 거리 내에 위치한 복수 개의 병원 중, 전용 어플리케이션에 회원 가입을 완료한 회원 병원을 회원이 아닌 병원 보다 우선하여 출력할 수 있는바, 병원들의 회원 가입을 유도하기 위함이며, 경우에 따라 미국과 같이 환자 개인이 보유한 의료 보험의 종류에 따라 해당 의료 보험이 적용 가능한 병원이 상이한 경우, 이를 고려하여 추천 병원을 출력할 수도 있을 것이며, 이 역시 전용 어플리케이션에 회원 가입을 완료한 회원 병원을 회원이 아닌 병원 보다 우선하여 출력할 수 있을 것이다.
여기서 전용 어플리케이션에 회원 가입을 완료한 회원 병원은 회원이 되기 위해 비용을 지불했는지와 무관하기는 하나, 비용을 지불한 경우라 한다면 비용을 지불하지 않은 회원 병원과 비용을 지불하지 않은 회원이 아닌 병원의 경우보다 더욱 우선하여 출력하는 것이 서비스의 취지에 맞는 운영 방식에 해당한다고 할 것이다.
본 발명의 제5 실시 예에 따른 환자-주치의 관계를 맺을 병원을 추천하는 방법이 장치(100)가 병원을 추천해주는 것이기에 S1730 단계에 대한 설명이 포함되는 것과는 별개로, 환자 단말(미도시)에 설치된 전용 어플리케이션을 실행하여 직업 장치(100)에 접속하여 환자 자신에게 최적화된 병원을 검색할 수 있음은 물론이며, 이 역시 환자가 입력한 검색 문장에 매칭됨과 동시에 환자 단말(미도시)로부터 소정 거리 내에 위치한 복수 개의 병원 중, 전용 어플리케이션에 회원 가입을 완료한 회원 병원을 회원이 아닌 병원 보다 우선하여 출력한다 할 것이다.
이를 위해 장치(100)의 프로세서(10)는 환자가 입력한 검색 문장을 분석하는 딥러닝 자연어 처리 모델을 포함할 수 있는바, 예를 들어 "평점이 70점 이상", "고혈압 전문", "대기시간이 짧은 병원", "후기가 많은 병원"등과 같이 입력하면, 이를 딥러닝 모델이 분석해서 검색 조건을 만든 후 해당 조건들을 이용해서 검색을 수행할 것이며, 환자가 검색 문장을 입력한 것이 아니라 검색을 원하는 단어 등을 입력했을 경우에도 마찬가지로 동작한다 할 것이다.
한편, 병원 검색은 병원 정보 데이터베이스(미도시)에서 이루어지며, 다시 S1730 단계에 대한 설명으로 돌아가 병원 정보 데이터베이스(미도시)에 대하여 설명하도록 한다.
병원 정보 데이터베이스(미도시)는 전용 어플리케이션에 회원 가입을 완료한 회원 병원(유료 및 무료 모두 포함)에 대한 정보 및 회원이 아닌 병원에 대한 정보를 모두 포함할 수 있으며, 회원 병원에 대한 정보 및 회원이 아닌 병원에 대한 정보는 병원명, 주소, 병원의 위도/경도, 병원의 이메일 주소, 병원 홈페이지, 병원의 진료 과목, 병원의 전문 분야, 병원에 근무하는 의사에 대한 정보, 병원의 진료 시간, 병원의 요일 및 시간대별 진료 시간, 적용되는 의료 보험의 종류, 병원의 후기, 병원의 평점 및 병원의 해시 태그에 대한 정보 중 어느 하나 이상을 포함할 수 있다.
이와 같은 회원 병원에 대한 정보 및 회원이 아닌 병원에 대한 정보는 주기적인 크롤링(Crawling)을 통해 수집할 수 있으며, 또는 사용자에 해당하는 환자들이 직접 입력할 수도 있음은 물론이라 할 것이다.
회원 병원에 대한 정보 및 회원이 아닌 병원에 대한 정보 중, 병원명, 주소, 병원의 위도/경도, 병원의 이메일 주소, 병원 홈페이지, 병원의 진료 과목, 병원의 전문 분야, 병원에 근무하는 의사에 대한 정보, 병원의 진료 시간, 병원의 요일 및 시간대별 진료 시간, 적용되는 의료 보험의 종류는 해당 병원이 포털 사이트 상에 개시해두는 것이 일반적이므로 크롤링을 통해 비교적 손쉽게 수집할 수 있으나, 병원의 후기, 병원의 평점 및 병원의 해시 태그에 대한 정보는 조금 다르게 취급할 필요가 있다.
보다 구체적으로, 병원의 후기의 경우 사용자에 해당하는 환자들이 직접 입력하거나 크롤링을 통해 수집할 수 있으며, 병원의 평점의 경우 사용자에 해당하는 환자들이 직접 입력하거나 평점을 부여하지 않은 후기에 대해서는 딥러닝 자연어 처리 모델을 이용하여 장치(100)가 자체적으로 후기를 분석하여 평점을 자동으로 부여할 수 있을 것이다. 병원의 해시태그의 경우 장치(100)가 키워드 추출 딥러닝 자연어 처리 모델을 사용하여 병원의 후기와 병원 정보에서 자동으로 추출해 생성할 수 있으며, 환자가 병원 검색 시 또는 조건 매칭 여부에 관한 필터링 시에 활용할 수 있고, 수집되는 후기에 따라 자동으로 갱신될 수도 있다.
한편, 장치(100)는 주기적으로 외부의 공공 병원 정보 시스템, 예를 들어 한국의 경우 건강보험심사 평가원과의 연계를 통해 인가된 병원 정보를 가져와 병원 정보 데이터베이스(미도시)를 업데이트할 수 있으며, 연계가 불가능한 국가에서 크롤링을 통해 병원 정보를 자동으로 수집하거나 관리자가 직접 수기로 정보를 수집하여 구축할 수도 있을 것이다. 일반적으로 병원 정보 데이터베이스(미도시)에는 병원명, 주소, 전화번호, 진료 과목 등 해당 병원에 대한 기본적인 정보만 포함되어 있는 경우가 많을 것이기 때문에 병원의 후기 등과 같은 추가적인 정보는 크롤링 기술을 통해 수집하여 업데이트할 것이며, 병원의 위도/경도에 대한 정보는 병원의 주소 정보를 이용하여 지오코딩(Geocoding) 기법으로 알아낼 수 있을 것이다.
이상 설명한 병원 정보 데이터베이스(미도시)의 구축과 관련한 방법인 크롤링은 병원의 후기나 기타 추가적인 정보 수집 및 업데이트 외에도 공공 병원 정보 시스템과 연계가 불가능한 경우에 병원 정보 데이터베이스(미도시)를 구축하기 위해서 사용될 수 있는바, 그에 따라 이를 스마트 크롤링이라 명명하도록 한다.
공공 병원 정보 시스템과 연계가 불가능하여 이에 대한 병원 정보 데이터베이스(미도시)의 구축이 불가능한 경우, 스마트 크롤링을 통해 해당 국가의 병원들에 대한 정보를 수집할 수 있는바, 보다 구체적으로, "병원", "의원", "의료원"등과 같은 병원 관련 키워드를 이용하여 병원과 관련된 데이터만을 수집한 후, 딥러닝 자연어 처리 모델을 통해 분석하여 병원 정보가 맞는지 확인한다. 딥러닝 모델이 병원 정보가 아니라고 판단하면 해당 데이터는 폐기하며, 병원 정보가 맞다고 판단하면 크롤링 데이터에서 병원명, 병원주소, 전화번호, 이메일 등과 같은 기본 정보들을 추출하고, 다음으로 병원명, 주소 등을 이용하여 병원 정보 데이터베이스(미도시)를 검색해서 데이터베이스에 기존에 존재하는 병원이 아닌 경우, 신규병원으로 병원 정보 데이터베이스에 저장한다.
이와 같은 스마트 크롤링은 병원에 대한 최신 정보를 업데이트하기 위해서도 사용되는바, 이미 병원 정보 데이터베이스(미도시)에 저장된 병원인 경우, 데이터베이스에 기록된 홈페이지 URL을 이용해서 해당 병원 홈페이지에서 주기적으로 크롤링해서 병원명, 이메일, 전화번호, 주소, 진료과목 등의 기본 정보를 자동으로 업데이트하며, 병원 주소가 변경 경우에는 위도/경도 역시 새 주소에 맞게 업데이트한다.
만약 크롤링 시 홈페이지 주소가 변경되는 등의 이유로 홈페이지 응답이 일정 기간 동안 없는 경우, 장치(100)는 병원 정보 데이터베이스(미도시)에 기록된 이메일 주소로 홈페이지 주소 변경 확인 요청 메일을 보내서 변경된 주소를 갱신하게 할 수 있도록 하며, 만약 해당 이메일 주소도 변경되어(이메일 주소가 없는 경우 포함) 이메일을 전송할 수 없는 경우에는 정보 미확인으로 변경하고, 추후 장치(100)의 관리자가 수작업을 통해서 갱신할 있도록 한다.
더 나아가, 스마트 크롤링은 병원에 대한 후기를 수집하기 위해서도 사용되는바, 후기의 경우 병원 홈페이지에 있는 후기는 신뢰성이 떨어지는 관계로 지도 서비스나 다른 블로그, 커뮤니티 등 병원 공식 홈페이지를 제외한 사이트에서 크롤링한 후, 딥러닝 자연어 처리 모델(감성 분석 모델)로 후기를 분석하여 평점을 부여할 수 있다.
여기서 평점은 1~100점까지의 점수로 계산하여 부여하며 긍정도가 높을수록 100점에 가깝도록 부여하고, 최종적인 평점은 환자가 직접 부여한 평점과 장치(100)가 딥러닝 모델을 통해 후기를 분석하여 자동으로 부여한 평점의 평균으로 산정할 수 있을 것이다. 또한, 중복 후기를 방지하기 위해서 별도의 딥러닝 자연어 처리 모델을 이용해서 기존에 수집된 후기의 유사도와 새로 수집된 후기의 유사도를 산정해서 새로 수집된 후기가 기존 후기와 유사도 1에 가깝게 높은 경우, 새로 수집된 후기는 반영하지 않고 폐기할 수 있을 것이다.
한편, 스마트 크롤링을 통해 전용 어플리케이션에 회원 가입을 하지 않은 병원 중, 새로 개업한 신규 병원의 경우, 장치(100)가 크롤링한 정보가 포함하는 이메일 주소로 회원 가입 안내 메일을 발송할 수도 있으며, 이 경우 회원 가입시의 혜택과 프로모션 등의 정보를 함께 기재하여 발송함으로써 회원 가입을 유도할 수 있다.
이상 설명한 병원 정보 데이터베이스(미도시)는 장치(100)가 포함하는 구성일 수 있으나, 방대한 양의 데이터로 인해 저장 공간 상의 문제가 발생할 수 있으므로 가급적 외부 서버에 구현하는 것이 바람직하다 할 것이나, 이에 반드시 한정하는 것은 아니라 할 것이다.
다시 도 17에 대한 설명으로 돌아가도록 한다.
추천 병원을 병원 정보 데이터베이스(미도시)에서 산출하여 복수 개 출력했다면, 장치(100)는 환자 단말(미도시)로부터 출력한 복수 개의 추천 병원 중, 어느 하나에 대한 선택 정보를 수신하여 내원 예약을 완료한다(S1740).
중복 서술을 방지하기 위해 S1740 단계에서 내원 예약을 완료한다고 기재하였으나, 이는 앞선 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법에서 S1340 단계 내지 S1360 단계에 대한 설명과 동일한 것으로 볼 수 있다. 즉, 환자 단말(미도시)와 병원 단말(미도시) 사이에 내원 일정을 발송하고 선택 정보를 발송하는 과정에 반복될 수 있으며, 그에 따라 최종적으로 예약된 내원 일정이 환자 달력과 병원 달력 모두에 표시되어 출력될 수 있다.
한편, S1740 단계는 내원 예약이 완료된 상태이기는 하나, 아직 환자-주치의 관계를 맺기 전의 상태이기에 환자의 동의 없이 환자의 개인 건강 데이터를 병원이 수신할 수는 없을 것인바, 그에 따라 S1740 단계 이후에 장치(100)가 환자 단말(미도시)로부터 수신한 한자의 개인 건강 데이터 측정값 및 산정한 PHR 평가치 중 어느 하나 이상을 내원 예약을 완료한 병원의 병원 단말(미도시)에 발송하기 위한 동의 정보를 환자 단말(미도시)로부터 수신하는 단계(S1745)가 수행될 수 있으며, 동의 정보를 수신하지 못하는 경우 환자가 환자 단말(미도시)를 통해 전용 어플리케이션 상에 입력하는 정보만 병원 단말(미도시)이 수신할 수 있을 것이다.
이후, 장치(100)는 환자 단말(미도시)로부터 출력한 복수 개의 추천 병원 중, 어느 하나에 대한 선택 정보를 수신하여 상기 환자에 대한 환자-주치의 관계를 맺은 주치의 병원으로 등록하며(S1750), 환자 단말(미도시)로부터 주치의 병원으로 등록한 병원에 근무 중인 하나 이상의 의사에 대한 선택 정보를 수신하여 환자에 대한 환자-주치의 관계를 맺은 주치의로 등록할 수도 있다(S1760).
이와 같은 S1750 단계 및 S1760 단계가 환자-주치의 관계를 맺는 단계로 볼 수 있으며, 보다 구체적으로 S1750 단계는 주치의 병원 또는 단골 병원 관계를, S1760 단계는 주치의 관계를 등록하는 단계로 볼 수 있는바, 이들 모두를 포함하여 환자-주치의 관계로 볼 수 있을 것이다.
한편, 환자-주치의 관계를 맺는 S1750 단계 및 S1760 단계를 내원 예약을 완료한 S1740 단계 이후에 설명하였으나, 시간적인 선후가 반드시 그렇게 되는 것은 아니며, 내원 예약과 무관하게 추천 병원 중 어느 하나를 선택하여 환자-주치의 관계로 등록할 수 있음은 물론이라 할 것이며, 앞서 설명한 바와 같이 환자 스스로 검색한 병원에 대해서도 환자-주치의 관계를 자유롭게 맺을 수 있음은 물론이라 할 것이다. 이는 한번 맺은 환자-주치의 관계의 취소에 대해서도 동일하게 적용되는 설명이라 할 것이다.
이상 설명한 S1750 단계 및 S1760 단계를 통해 환자-주치의 관계가 맺어질 수 있으며, 그 이후에 병원 단말(미도시)는 장치(100)로부터 한자의 개인 건강 데이터 측정값 및 산정한 PHR 평가치 중 어느 하나 이상을 수신할 수 있고, 그 이후의 내원 예약에 관해서는 앞서 설명한 본 발명의 제2 실시 예에 따른 환자의 내원 일정을 능동적으로 예약하는 방법이 수행된다 할 것이다.
지금까지 본 발명의 제5 실시 예에 따른 환자-주치의 관계를 맺을 병원을 추천하는 방법에 대하여 설명하였다. 본 발명에 따르면, 장기적 이용을 통해 의료적 신뢰가 쌓인 병원이 존재하지 않는 경우, 환자의 개인 건강 데이터 측정값을 발송하기만 하면 장치(100)가 환자에게 최적화된 병원을 손쉽게 추천해주므로 단골 병원 또는 주치의 설정이 간편하게 이루어질 수 있다. 또한, 적절한 병원에 대한 정보 검색의 어려움을 고려하여 장치(100)가
병원 검색을 대신하여 수행하고 병원 정보 데이터베이스(미도시)를 주기적으로 업데이트하여 병원을 추천하되, 해당 병원에 대한 내원 예약까지 손쉽게 진행할 수 있도록 함으로써 환자의 편의성을 현저하게 향상시킬 수 있다. 더 나아가, 환자의 개인 건강 데이터의 모니터링 결과에 따라 이상이 발생하는 경우, 이에 대한 진료를 수행할 수 있는 병원을 추천해 줌으로써 환자에게 건강 관리에 대한 경각심을 줄 수 있으며, 환자-주치의 관계를 맺을 병원을 만들어줌으로써 체계적인 건강 관리가 가능한 환경을 구축해줄 수 있다.
이상 설명한 본 발명의 제5 실시 예에 따른 환자-주치의 관계를 맺을 병원을 추천하는 방법은 동일한 기술적 특징을 전부 포함하는 본 발명의 제6 실시 예에 따른 매체에 저장된 컴퓨터 프로그램으로 구현할 수 있는바, 중복 서술을 방지하기 위해 자세히 설명하지 않겠지만 이상 설명한 본 발명의 제5 실시 예에 따른 환자-주치의 관계를 맺을 병원을 추천하는 방법에 적용되는 기술적 특징 모두, 본 발명의 제6실시 예에 따른 매체에 저장된 컴퓨터 프로그램에 동일하게 적용될 수 있음은 물론이다.
지금까지 본 발명의 모든 실시 예에 대하여 설명하였다. 이를 위해 지능형 헬스케어 장치(3), 환자의 개인 건강 데이터 실시간 모니터링에 따른 주치의 주도적 내원 권유 장치(100), 환자의 개인 건강 데이터 실시간 모니터링에 따른 병원 추천 장치(100)라는 용어를 사용하여 각각의 실시 예에 해당하는 설명을 진행하였으나, 이들 모두 환자 단말(미도시) 또는 병원(주치의) 단말(미도시) 상에 설치된 전용 어플리케이션을 통해 구현되는 소정의 기능이나 서비스 제공의 근원, 즉 일종의 서버로 볼 수 있으며, 서버는 하나의 플랫폼으로, 전용 어플리케이션은 딥러닝 기술을 활용한 챗봇인 지능형 능동 대화 에이전트(Intelligent Proactive Conversational Agent, 이하 IPCA)로 구현될 수 있다 할 것이다.
이와 같은 IPCA는 앞서 설명한 다양한 프로세스를 리딩하고, 각종 기능들을 수행함과 더불어 사용자(환자 및 의사 모두 포함)로 하여금 보다 쉽고 간편하게 본 발명을 사용할 수 있도록 이바지할 수 있는바, 사용자가 먼저 대화를 요청해서 기능을 사용하는 일반 챗봇과는 다르게, PHR을 비롯한 사용자의 현재 상태와 날씨, 기온 등 사용자 주변의 외부 환경을 모니터링하고 있다가 사용자에게 알림이나 정보수집이 필요할 때 사용자에게 먼저 대화를 시도(agent-initiated conversation)할 수 있다. 이를 통해서 PHR 이상 신호 감지 또는 환절기와 같은 주변 환경의 변화, 기타 중요 이벤트 발생 시 사용자에게 건강 정보에 대한 정보를 수집(문진), 정보 전달 등을 위해서 능동적으로 사용자와의 대화를 시작할 수 있으며, 사용자와의 모든 대화는 사용자 단말에 설치된 IPCA 클라이언트(전용 어플리케이션에 포함된 기능)를 통해 이루어지고, 단순히 텍스트뿐만 아니라 TTS(Text-to-speech), STT(Speech-to-Text) 기술을 이용하여 음성으로 대화가 가능하다. 또한 IPCA 클라이언트는 의사 모습의 virtual agent(아바타)를 통해서 사용자와 대화함으로써 사용자에게 심리적 안정과 신뢰감을 줄 수도 있다.
여기에 추가적으로 사용자가 좀더 편리하게 대화를 이어 갈수 있도록 하기 위해 다음과 같은 기법을 사용할 수 있다. 먼저 IPCA가 사용자로부터 정보를 얻거나 답변을 받아야 하는 경우에는 객관식 형태의 선택지를 제공하여 사용자가 선택을 쉽게 할 수 있도록 한다. 아울러, 주관식 답변이 필요한 경우에도 예시를 제시하여 보다 사용자가 보다 답변을 쉽게 할 수 있도록 이바지할 수 있으며, 다음으로 사용자와 대화 중에 사용자가 IPCA 물음에 답변을 하지 못하는 경우(breakdown 발생) 등을 파악(질문 후 답변 입력까지의 걸리는 시간 측정 등의 방법 사용)하여, 사용자가 답변을 주저한다고 판단되면 자동으로 해당 답변에 대한 상세한 추가적 설명이나 답변 예시를 제공할 수도 있다. 이는 특히 의학 용어가 많은 헬스케어의 특성 상 반드시 필요한 기능이라 할 것이다.
IPCA 구현을 위한 엔진에 해당하는 IPCA 서버는 사용자의 상태와 외부 환경을 모니터링 하기 위해서 플랫폼의 모니터링 엔진과의 인터페이스 기능을 포함할 뿐만 아니라, 사용자가 질문, 명령을 하거나 답변을 한 것에 대한 분석을 위한 딥러닝 자연어 처리 모델을 내장하고 있을 수 있다. 이 엔진은 IPCA가 사용자 입력한 내용에 대해서 먼저 사용자가 어떠한 것을 하려고 하는지에 대한 의도 파악을 수행할 수 있으며, 여기서 사용자의 의도는 ① 질문/정보조회, ② PCA의 이전 (주관식) 물음에 대한 답변, ③ 기능 수행 명령, ④ 기타(명확한 의도를 파악하지 못한 경우, 혼잣말, 넋두리 등)가 있다. 의도에 따라서 세부적인 내용 분석을 수행한다.
보다 구체적으로 사용자의 의도가 ① 질문/정보조회인 경우는 플랫폼 내의 정보/데이터(환자의 PHR 정보, 환자의 예약 정보, 플랫폼 기능 문의 등) 조회와 일반적인 질문/정보 검색으로 나눌 수 있다. 플랫폼 내의 정보/데이터 조회인 경우 사용자의 입력 내용을 플랫폼에서 조회하기 위한 검색조건으로 만든 후, 해당 질의를 수행해서 결과를 사용자에게 알려줄 수 있다. 사용자가 입력한 내용을 검색조건으로 만드는 것은 플랫폼에서 제공하는 검색조건 생성 딥러닝 모델을 사용하며, 이 모델은 사용자의 피드백에 따라서 자동 학습된다. 의도가 플랫폼 내의 정보/데이터에서 답변이 불가능한 일반적인 질문/정보 검색인 경우, 사용자에게 플랫폼에서 답변할 수 없는 사항이라서 웹에서 검색한다고 알려주고 입력한 내용을 Google과 같은 외부 검색엔진을 이용해서 검색하여 그 결과에 대한 외부 페이지를 표시할 수 있다.
한편, 사용자의 의도가 ② PCA의 이전 (주관식) 질문에 대한 답변인 경우, 해당 질문에 대한 답변으로 적절한지 판단하며, 이 역시 딥러닝 모델을 이용하며 질문-답변 관련성(0~1)이 0.5 이하 인 경우 힌트나 답변 예시를 주어 사용자가 보다 정확한 답변/정보제공을 하도록 유도할 수 있다(예를 들어 IPCA가 일주일 동안 운동한 시간을 물어봤는데 사용자가 A형이라고 답변을 하는 경우 3시간 또는 2시간 30분과 같은 형식으로 답변해 주세요).
또 다른 한편, 사용자의 의도가 ④ 기타인 경우에는 사용자에게 좀더 구체적인 내용을 입력하도록 권유하는 메시지를 표시할 수 있다.
추가적으로 IPCA 주관식 질문에 대해서, 사용자가 바로 다음에 입력한 내용의 의도가 ② 답변이 아닌 ① 질문/정보조회나 ③ 기능 수행 명령의 경우, 사용자와의 지속적인 대화를 이어가기 위해서 정확한 답변을 하도록 사용자에게 요청하지 않고, ① 질문/정보조회나 ③ 기능 수행 명령에 해당하는 동작을 수행 후, 사용자에게 다시 원래의 질문을 할 수 있으며, 이를 위해서 IPCA가 사용자에게 주관식 질문을 할 때에는 답변 여부를 트래킹 할 수 있다.
이와 같은 IPCA를 통해 헬스케어 서비스 분야에 속하는 본 발명은 사용자에게 현저한 편의성을 제공할 수 있으며, 공지된 논문인 Cartreine et al., 2010; Dayan et al., 2007, Locke et al., 1992, Richman et al., 1999에서 공개된 바와 같이 사람들은 민감한 정보를 다른 사람에게 공개해야 할 때 실제 사람보다 개인 정보 보호 문제와 부정적인 평가에 대한 두려움이 적은 컴퓨터 에이전트와 더 편안하게 지내는 경향이 있기 때문에 IPCA가 본 발명에 적용되었을 때 최적의 효과를 도출할 수 있음은 믿어 의심치 않는다 할 것이다.
이상 첨부된 도면을 참조하여 본 발명의 실시 예들을 설명하였지만, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.

Claims (11)

  1. 지능형 헬스케어 장치에 의해 실행되는 컴퓨터-구현 방법에 있어서,
    사용자의 사용자 인증 정보를 이용하여, 상기 사용자의 생체 신호를 측정하기 위한 제1 디바이스의 디바이스 정보를 등록하는 단계;
    상기 생체 신호에 대해 설정된 측정 주기 이내에 상기 제1 디바이스로부터 생체 데이터 - 상기 생체 데이터는 상기 생체 신호의 측정값을 포함함 - 가 수집되었는지 여부를 판정하는 단계; 및
    상기 측정 주기 이내에 상기 생체 데이터가 상기 제1 디바이스로부터 미수신된 것으로 판정 시, 상기 제1 디바이스 및 제2 디바이스 - 상기 제2 디바이스는 상기 지능형 헬스케어 장치와의 커뮤니케이션이 가능한 상기 사용자의 통신 단말기임 - 중 적어도 하나에게, 상기 제1 디바이스를 이용한 상기 생체 신호의 측정을 상기 사용자에게 독려하기 위한 측정 요청을 전송하는 단계;
    를 포함하는, 컴퓨터-구현 방법.
  2. 제1항에 있어서,
    상기 디바이스 정보를 등록하는 단계는,
    상기 제1 디바이스의 디바이스 정보에 상기 사용자 인증 정보가 결합된 접속 토큰을 상기 제1 디바이스에게 발급하는 단계;
    를 포함하되,
    상기 접속 토큰은,
    상기 제1 디바이스에 의한 상기 생체 신호의 측정값에 대한 암호화에 이용되는 것인, 컴퓨터-구현 방법.
  3. 제2항에 있어서,
    상기 접속 토큰에 의해 암호화된 상태로 상기 제1 디바이스로부터 수신된 상기 생체 데이터를 수신 시, 상기 접속 토큰의 유효성을 판정하는 단계;
    상기 접속 토큰이 유효한 것으로 판정 시, 상기 접속 토큰에 대응하는 복호화 키를 이용하여, 상기 제1 디바이스로부터 수신된 상기 생체 데이터를 복호화하는 단계; 및
    복호화된 상기 생체 데이터를 이용하여 상기 사용자의 제1 개인 건강 시계열 데이터 셋 - 상기 제1 개인 건강 시계열 데이터 셋은 상기 측정값의 경시적인 변화 이력을 포함함 - 을 갱신하는 단계;
    를 더 포함하는, 컴퓨터-구현 방법.
  4. 제1항에 있어서,
    상기 제1 개인 건강 시계열 데이터 셋 및 외부 환경 정보 중 적어도 하나를 기초로, 상기 생체 신호에 대해 설정된 상기 측정 주기를 수정하는 단계;
    를 더 포함하는, 컴퓨터-구현 방법.
  5. 제1항에 있어서,
    상기 사용자에 대한 문진이 필요한 것으로 판정되는 경우, 상기 사용자에게 제시할 디지털 문진표 - 상기 디지털 문진표는 복수의 문진 항목을 포함하며, 각 문진 항목은 객관식 또는 주관식임 - 를 생성하는 단계;
    상기 제2 디바이스에 설치된 지능형 능동 대화 에이전트를 호출하기 위해, 상기 디지털 문진표에 대한 문진 진행 요청을 상기 제2 디바이스에게 전송하는 단계;
    상기 지능형 능동 대화 에이전트와의 인터랙션을 통해 상기 제2 디바이스로부터 상기 디지털 문진표에 대한 문진 결과를 수신하는 단계; 및
    상기 문진 결과를 처리하여 상기 사용자의 제2 개인 건강 시계열 데이터 셋 - 상기 제2 개인 건강 시계열 데이터 셋은 상기 생체 신호와는 다른 적어도 하나의 건강 관련 항목의 경시적인 변화 이력을 포함함 - 을 갱신하는 단계;
    를 더 포함하는, 컴퓨터-구현 방법.
  6. 제3항에 있어서,
    상기 제1 개인 건강 시계열 데이터 셋을 처리하기 위한 인공지능 모델을 생성하는 단계; 및
    상기 인공지능 모델을 이용하여, 상기 제1 개인 건강 시계열 데이터 셋을 기초로, 상기 사용자의 건강 상태에 연관된 이상 점수를 산출하는 단계;
    를 더 포함하는, 컴퓨터-구현 방법.
  7. 제6항에 있어서,
    상기 인공지능 모델을 생성하는 단계는,
    상기 생체 신호에 대해 정해진 적어도 하나의 정상 범위와 상기 제1 개인 건강 시계열 데이터 셋에 포함된 적어도 하나의 측정값 간의 비교를 수행하여, 상기 생체 신호에 관련된 제1 점수를 출력하는 제1 모델을 생성하는 단계;
    상기 사용자 외의 복수의 개인으로부터 기 취득된 상기 생체 신호에 대한 복수의 참조 건강 시계열 데이터 셋으로 학습된 것으로서, 상기 제1 개인 건강 시계열 데이터 셋을 처리하여 상기 생체 신호에 관련된 제2 점수를 출력하는 제2 모델을 생성하는 단계;
    상기 제1 개인 건강 시계열 데이터 셋으로 학습된 것으로서, 상기 제1 개인 건강 시계열 데이터 셋을 처리하여 상기 생체 신호에 관련된 제3 점수를 출력하는 제3 모델을 생성하는 단계; 및
    상기 제1 점수, 상기 제2 점수 및 상기 제3 점수의 가중 평균을 상기 이상 점수로서 출력하도록, 상기 제1 모델, 상기 제2 모델 및 상기 제3 모델을 조합하는 단계;
    를 포함하는, 컴퓨터-구현 방법.
  8. 제7항에 있어서,
    상기 제2 모델을 생성하는 단계는,
    상기 복수의 참조 건강 시계열 데이터 셋 - 상기 복수의 참조 건강 시계열 데이터 셋에 포함된 각 측정값은 정상 측정값 또는 이상 측정값으로 구분됨 - 를 이용한 지도 학습(supervised learning)을 통해 제1 후보 모델을 생성하는 단계;
    상기 복수의 참조 건강 시계열 데이터 셋의 이상 측정값의 비율이 제1 기준 비율 이상이고 제2 기준 비율 미만인 경우, 상기 복수의 참조 건강 시계열 데이터 셋의 정상 측정값에 대한 다운 샘플링 및 이상 측정값에 대한 업 샘플링 중 적어도 하나의 실행을 통해 상기 복수의 참조 건강 시계열 데이터 셋을 가공하고, 상기 가공된 복수의 참조 건강 시계열 데이터 셋을 이용한 지도 학습을 통해 제2 후보 모델을 생성하는 단계;
    상기 복수의 참조 건강 시계열 데이터 셋의 이상 측정값의 비율이 상기 제1 기준 비율 미만인 경우, 상기 복수의 참조 건강 시계열 데이터 셋의 정상 측정값만을 이용한 비지도 학습(unsupervised learning)을 통해 제3 후보 모델을 생성하는 단계;
    제1 테스트 데이터 셋을 이용하여 상기 제1 후보 모델, 상기 제2 후보 모델 및 상기 제3 후보 모델 각각의 성능을 평가하는 단계;
    상기 제1 후보 모델, 상기 제2 후보 모델 및 상기 제3 후보 모델 중 가장 높은 성능을 갖는 것으로 평가된 어느 하나를 상기 제2 모델로 선택하는 단계;
    를 포함하는, 컴퓨터-구현 방법.
  9. 제7항에 있어서,
    상기 제3 모델을 생성하는 단계는,
    상기 제1 개인 건강 시계열 데이터 셋을 이용한 지도 학습(supervised learning)을 통해 제4 후보 모델을 생성하는 단계;
    상기 제1 개인 건강 시계열 데이터 셋의 이상 측정값의 비율이 제3 기준 비율 이상이고 제4 기준 비율 미만인 경우, 상기 제1 개인 건강 시계열 데이터 셋의 정상 측정값에 대한 다운 샘플링 및 이상 측정값에 대한 업 샘플링 중 적어도 하나의 실행을 통해 상기 제1 개인 건강 시계열 데이터 셋을 가공하고, 상기 가공된 제1 개인 건강 시계열 데이터 셋을 이용한 지도 학습을 통해 제5 후보 모델을 생성하는 단계;
    상기 제1 개인 건강 시계열 데이터 셋의 이상 측정값의 비율이 상기 제3 기준 비율 미만인 경우, 상기 제1 개인 건강 시계열 데이터 셋의 정상 측정값만을 이용한 비지도 학습을 통해 제6 후보 모델을 생성하는 단계;
    제2 테스트 데이터 셋을 이용하여 상기 제4 후보 모델, 상기 제5 후보 모델 및 상기 제6 후보 모델 각각의 성능을 평가하는 단계;
    상기 제4 후보 모델, 상기 제5 후보 모델 및 상기 제6 후보 모델 중 가장 높은 성능을 갖는 것으로 평가된 어느 하나를 상기 제3 모델로 선택하는 단계;
    를 포함하는, 컴퓨터-구현 방법.
  10. 제7항에 있어서,
    상기 제1 모델, 상기 제2 모델 및 상기 제3 모델을 조합하는 단계는,
    상기 제1 개인 건강 시계열 데이터 셋에 기록된 측정값의 개수에 따라 제1 가중치, 제2 가중치 및 제3 가중치를 조정하는 단계;
    를 포함하되,
    상기 제1 가중치, 상기 제2 가중치 및 상기 제3 가중치의 합은 1이고,
    상기 제1 개인 건강 시계열 데이터 셋에 기록된 측정값의 개수가 기준 개수만큼 증가할 때마다, 상기 제1 가중치는 제1 범위 이내에서 제1 조정값만큼 감소하고, 상기 제2 가중치는 제2 범위 이내에서 제2 조정값만큼 감소하고, 상기 제3 가중치는 제3 범위 이내에서 제3 조정값만큼 증가하는, 컴퓨터-구현 방법.
  11. 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체를 포함하는 저장부; 및
    상기 메모리에 동작 가능하게 결합되는 제어부를 포함하고,
    상기 제어부는, 상기 컴퓨터 프로그램이 실행되는 경우,
    사용자의 사용자 인증 정보를 이용하여, 상기 사용자의 생체 신호를 측정하기 위한 제1 디바이스의 디바이스 정보를 등록하고,
    상기 생체 신호에 대해 설정된 측정 주기 이내에 상기 제1 디바이스로부터 생체 데이터 - 상기 생체 데이터는 상기 생체 신호의 측정값을 포함함 - 가 수집되었는지 여부를 판정하고,
    상기 측정 주기 이내에 상기 생체 데이터가 상기 제1 디바이스로부터 미수신된 것으로 판정 시, 상기 제1 디바이스 및 제2 디바이스 - 상기 제2 디바이스는 상기 지능형 헬스케어 장치와의 커뮤니케이션이 가능한 상기 사용자의 통신 단말기임 - 중 적어도 하나에게, 상기 제1 디바이스를 이용한 상기 생체 신호의 측정을 상기 사용자에게 독려하기 위한 측정 요청을 전송하는, 지능형 헬스케어 장치.
PCT/KR2023/009934 2022-10-26 2023-07-12 인공지능 기반의 디지털 헬스케어 장치 및 그를 위한 컴퓨터-구현 방법 WO2024090716A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0139099 2022-10-26
KR1020220139099A KR102560437B1 (ko) 2022-10-26 2022-10-26 인공지능 기반의 디지털 헬스케어 장치 및 그를 위한 컴퓨터-구현 방법

Publications (1)

Publication Number Publication Date
WO2024090716A1 true WO2024090716A1 (ko) 2024-05-02

Family

ID=87426964

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/009934 WO2024090716A1 (ko) 2022-10-26 2023-07-12 인공지능 기반의 디지털 헬스케어 장치 및 그를 위한 컴퓨터-구현 방법

Country Status (2)

Country Link
KR (1) KR102560437B1 (ko)
WO (1) WO2024090716A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016532130A (ja) * 2013-09-27 2016-10-13 アイエルビエス カンパニー リミテッド 血糖管理時計及び血糖管理方法
KR20180105800A (ko) * 2017-03-16 2018-10-01 주식회사 레드서브마린 생체신호 모니터링 시스템
KR101928519B1 (ko) * 2018-01-29 2018-12-12 수상에스티(주) 보안성이 강화된 레지덴셜 게이트웨이 장치를 이용한 헬스케어 서비스 시스템
KR20190026328A (ko) * 2017-09-05 2019-03-13 주식회사 와이키키소프트 웨어러블 단말과 인증토큰 발급용 단말을 이용한 사용자 인증 방법 및 시스템
KR20220079789A (ko) * 2020-12-04 2022-06-14 (주)비바이노베이션 생체 측정 장비와 연동 된 질병 발생 예측 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102141244B1 (ko) 2018-03-13 2020-09-14 박종현 사용자 맞춤형 병원 예약 추천 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016532130A (ja) * 2013-09-27 2016-10-13 アイエルビエス カンパニー リミテッド 血糖管理時計及び血糖管理方法
KR20180105800A (ko) * 2017-03-16 2018-10-01 주식회사 레드서브마린 생체신호 모니터링 시스템
KR20190026328A (ko) * 2017-09-05 2019-03-13 주식회사 와이키키소프트 웨어러블 단말과 인증토큰 발급용 단말을 이용한 사용자 인증 방법 및 시스템
KR101928519B1 (ko) * 2018-01-29 2018-12-12 수상에스티(주) 보안성이 강화된 레지덴셜 게이트웨이 장치를 이용한 헬스케어 서비스 시스템
KR20220079789A (ko) * 2020-12-04 2022-06-14 (주)비바이노베이션 생체 측정 장비와 연동 된 질병 발생 예측 시스템

Also Published As

Publication number Publication date
KR102560437B1 (ko) 2023-07-28

Similar Documents

Publication Publication Date Title
US9886551B2 (en) Connecting consumers with service providers
US8510130B2 (en) Documenting remote engagements
US7653558B2 (en) Consolidation of consumer interactions within a medical brokerage system
US8504382B2 (en) Identifying trusted providers
US8249898B2 (en) Connecting consumers with service providers
US7933783B2 (en) Medical listener
US8510128B2 (en) Connecting consumers with service providers
US7890345B2 (en) Establishment of a telephone based engagement
US8600773B2 (en) Tracking the availability of service providers across multiple platforms
US20150154721A1 (en) System, apparatus and method for user to obtain service from professional
US20140288959A1 (en) Provider supply &amp; consumer demand management
WO2010101757A1 (en) Remote medical servicing
WO2016109986A1 (zh) 基于健康管理的线上医患交互系统及交互方法
CA2662786A1 (en) Connecting consumers with service providers
WO2015199296A1 (ko) 응급 정신의학적 정신 상태 예측 모델 기반의 응급 원격정신의학 시스템 및 방법
WO2024090716A1 (ko) 인공지능 기반의 디지털 헬스케어 장치 및 그를 위한 컴퓨터-구현 방법
KR20240058402A (ko) 인공지능 기술이 적용된 능동형 대화 에이전트를 이용한 환자-주치의 관계를 맺을 병원을 추천하는 방법 및 이를 위한 병원 추천 장치
KR20240058401A (ko) 인공지능 기술이 적용된 능동형 대화 에이전트를 이용한 환자의 내원 일정을 능동적으로 예약하는 방법 및 이를 위한 주치의 주도적 내원 권유 장치
Sarkar et al. Patients' Satisfaction on Telemedicine Service in Relation to COVID-19 and Non-COVID-19 Problems: A Cross-Sectional Comparative Study
WO2024128859A1 (ko) 병원 고객 관계 관리 컨텐츠 제공 시스템 및 방법
WO2022098100A1 (en) Correlating health conditions with behaviors for treatment programs in neurohumoral behavioral therapy
Armitage et al. Are we getting the message across? Trends among young men attending an inner city young people’s clinic

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23882824

Country of ref document: EP

Kind code of ref document: A1